我可以在不使用 re.DOTALL 的情况下匹配 python 中的多行字符串吗？ [复制]答案

【问题标题】：Can I match multiline string in python without using re.DOTALL? [duplicate]我可以在不使用 re.DOTALL 的情况下匹配 python 中的多行字符串吗？ [复制]
【发布时间】：2015-05-15 06:20:24
【问题描述】：

我正在尝试用 python 编写一个简单的词法分析器。我正在使用正则表达式来做到这一点。所以，我需要一个匹配多行注释的正则表达式：

/* first line.
the second line
The last line. */

通过使用这种模式：

pattern = r"/\*.*\*/"

并用

编译它

regex = re.compile(pattern,re.DOTALL)

它有效。

现在，我不会使用re.DOTALL，因为这也适用于单引号字符串。有没有办法编译这个表达式以便在没有 re.DOTALL? 的情况下工作

【问题讨论】：

使用包含点和换行符的字符类。
你需要转义星号。
你可能想要r'/\*.*?\*/';注意.*? 而不是.*。这将使正则表达式为您提供可能的最短匹配，而不是可能的最长匹配。在/* a */ b /* c */ 之类的输入上尝试一下...我猜你想要两个匹配，而不是一个。
您能否详细说明 dotall 和单引号字符串有什么问题？如果你试图解析 c 风格的 cmets，这不是办法。

标签： python regex

【解决方案1】：

您可以通过使用类似[\s\S] 这样的小技巧来达到同样的目的。

[\s\S] 背后的想法是捕获所有内容，因此您可以使用显式模式来界定您想要的内容。例如：

/\*        <--- Match /*
[\s\S]*?   <--- Match everything (ungreedy)
\*/        <--- Match */

您可以像这样使用正则表达式：

/\*[\s\S]*?\*/

如果你想捕捉评论中的内容，那么你可以这样做：

/\*([\s\S]*?)\*/

Working demo

你可以在下面看到这个技巧是如何工作的：

顺便说一句，您正在使用一个贪婪的正则表达式/\*.*\*/，它会错误地匹配 cmets。例如，如果您有：

/* A */
/* B */

您的正则表达式将错误地匹配 /* A *//* B */。您必须添加 ? 才能将其设置为不贪婪：

/\*.*?\*/
     ^--- ungreedy

【讨论】：

【解决方案2】：

除了re.XXX 常量，您还可以使用内联标志：

re.match('(?s)/\*.*?\*/', stuff)

来自docs：

(?iLmsux) （来自集合'i'、'L'、'm'、's'、'u'、'x'的一个或多个字母。）组匹配空字符串；这些字母设置了相应的标志：re.I（忽略大小写）、re.L（取决于语言环境）、re.M（多行）、re.S（点匹配所有）、re.U（取决于 Unicode）和re.X（详细），用于整个正则表达式。

我更喜欢 re.XXX 标志的内联，原因有两个：1) 表达式是独立的，2) 无需使用 compile 或将 flags 参数附加到每个 re. 调用。

【讨论】：

您不必使用compile，您可以将标志传递给例如re.match().
@DietrichEpp：谢谢，我忘了。从来没有以这种方式使用过标志。

【解决方案3】：

如果我们想列举所有可能性，我也会发布我的答案：

/\*(?:[\r\n]|[^\r\n])*\*/

见example here。

但是，使用您的示例计算需要 147 步，而 Fede 的 /\*[\s\S]*\*/ 只需要 12 步。

如果我们比较具有捕获组的版本之间的性能 - /\*((?:[\r\n]|[^\r\n])*)\*/ 和 /\*([\s\S]*?)\*/，比例已经不是那么大了：151 对 97 步。

【讨论】：

在这里使用交替不是一个好主意。大多数正则表达式引擎并没有真正优化这里的字符类，因此它会在每个匹配的字符后创建一个选择点，而(?s). 或[\s\S] 方法不会创建任何选择点。