Python 正则表达式：多行和非贪婪模式

Question

我有一些这样的文本：

cc.Action = {
};

cc.FiniteTimeAction = {

};

cc.Speed = {

};

我想要的结果（列表）是：

['cc.Action = {}', 'cc.FiniteTimeAction = {}', 'cc.Speed = {}']

这是我尝试过的：

input = codecs.open(self.input_file, "r", "utf-8")
content = input.read()
result = re.findall('cc\..*= {.*};', content, re.S)
for r in result:
    print r
    print '---------------'

结果是：

[
'cc.Action = {
};

cc.FiniteTimeAction = {

};

cc.Speed = {

};'
]

任何建议都非常感谢，谢谢 :)

Answer 1

>>> 'cc.Action = {\n};\n\ncc.FiniteTimeAction = {\n\n};\n\ncc.Speed = {\n\n};'.replace('\n','').split(";")
['cc.Action = {}', 'cc.FiniteTimeAction = {}', 'cc.Speed = {}', '']

这个方法对你有效。

Answer 2

如果你根据 ; 来进行分割：

codes.split(';')

输出结果：

['cc.Action = {}', ' cc.FiniteTimeAction = {}', 'cc.Speed = {}', '']

Answer 3

问题在于，你使用了贪婪匹配。你需要使用非贪婪匹配，也就是用 ? 操作符。

import re
print [i.replace("\n", "") for i in re.findall(r"cc\..*?{.*?}", data, re.DOTALL)]
# ['cc.Action = {}', 'cc.FiniteTimeAction = {}', 'cc.Speed = {}']

如果你不使用 .*?，那么 .*{ 会匹配到字符串中的最后一个 {。这样的话，所有的字符串就会被当作一个整体来处理。当你使用非贪婪匹配时，它只会匹配到当前字符后第一个出现的 {。

另外，这个问题也可以不使用正则表达式来解决，像这样：

print [item.replace("\n", "") for item in data.split(";") if item]
# ['cc.Action = {}', 'cc.FiniteTimeAction = {}', 'cc.Speed = {}']

只需根据 ; 来分割字符串，如果当前的字符串不为空，就把所有的 \n（换行符）替换成空字符串。

Answer 4

正如你标题所说，问题出在“贪婪”上：cc\..*= 会从字符串的开头匹配到最后一个 =。

你可以通过使用“懒惰量词”来避免这种情况，它会尽量在下一个字符出现的最早位置停止匹配：

cc\..*?= {.*?};

这里有个演示：http://regex101.com/r/oL4yG7。

Answer 5

这个匹配的开始部分看起来是 cc.，而结束部分是 ;，所以我们可以使用这个模式：

'cc\.[^;]+'

这意味着，我们先匹配 cc.，然后匹配每一个不是 ; 的字符（[] 是用来表示字符类的，^ 是用来取反的）。

你也可以使用非贪婪重复 *?，但在这种情况下，我觉得这样做有点过于复杂。正则表达式越简单越好。

为了得到想要的输入，你还需要去掉换行符。综合起来，我建议使用：

result = re.findall('cc\.[^;]*;', content.replace('\n', ''))