由于用户输入导致的正则表达式冲突答案

【问题标题】：Regular Expression conflict due to user inputs由于用户输入导致的正则表达式冲突
【发布时间】：2015-02-07 14:35:27
【问题描述】：

我想根据正则表达式将字符串分成 2 组。该字符串基本上具有以下结构：

some text (data1 | data2 | data3 | data4)

我使用了一个简单的正则表达式如下：

re.match("^(?P<title>.*)\((?P<data>.*)\)$", s)

只要字符串中没有括号，它就可以正常工作，这会与正则表达式冲突。

但如果其中一组中有括号，则会输出意外结果：

>>> import re
>>> def process_string1(s):
...    r = re.match("^(?P<title>.*?)\((?P<data>.*)\)$", s)
...    return r.groups()
...
>>> def process_string2(s):
...    r = re.match("^(?P<title>.*)\((?P<data>.*)\)$", s)
...    return r.groups()
...
>>> s = "this is an example (detail) (data1 | data2 | data3 | data4)"
>>> print process_string1(s)
('this is an example ', 'detail) (data1 | data2 | data3 | data4')      # Wrong
>>> print process_string2(s)
('this is an example (detail) ', 'data1 | data2 | data3 | data4')      # Good
>>> s = "this is another example (data1 (detail) | data2 | data3 | data4)"
>>> print process_string1(s)
('this is another example ', 'data1 (detail) | data2 | data3 | data4') # Good
>>> print process_string2(s)
('this is another example (data1 ', 'detail) | data2 | data3 | data4') # Wrong

你能帮帮我吗？

【问题讨论】：

Python 正则表达式默认是“贪婪”的。他们抓取满足表达式的最长字符串。如果字符串中有其他 '('，第一部分将抓取 '('。也许你应该将 '.*' 更改为 '[^(]*'？

标签： python regex

【解决方案1】：

查看这些答案：

简而言之，正则表达式不是像您一样匹配递归/嵌套结构的工具。您要求正则表达式匹配：

something (something (someting) something)

这是递归的，因为最里面的something 可能再次是something (something) something。正则表达式不适用于此工具，您应该为此使用parser。有关详细信息，请参阅以下问题：

【讨论】：

【解决方案2】：

许多正则表达式支持递归或嵌套结构。 Python 的引擎目前不支持它，但正在开发一个替换模块，它确实支持递归：

https://pypi.python.org/pypi/regex

【讨论】：

【解决方案3】：

我终于把我的代码改成了如下：

>>> import re
>>> def process_string(s):
...    r = re.match("^(?P<title>.*)\((?P<data>.*)\)$", s)    
...    if '(' in r.group('title') and not ')' in r.group('title'):
...        r = re.match("^(?P<title>.*?)\((?P<data>.*)\)$", s)
...    return r.groups()

这会产生我期望的结果：

>>> print process_string("this is an example (detail) (data1 | data2 | data3 | data4)")
('this is an example (detail) ', 'data1 | data2 | data3 | data4')

>>> print process_string("this is an example (data1 (detail) | data2 | data3 | data4)")
('this is an example ', 'data1 (detail) | data2 | data3 | data4')

【讨论】：