多行正则表达式匹配检索行号和匹配答案

【问题标题】：Multiline regex match retrieving line numbers and matches多行正则表达式匹配检索行号和匹配
【发布时间】：2021-05-04 15:35:48
【问题描述】：

我正在尝试遍历文件中的所有行以匹配可以匹配的模式；

出现在文件中的任意位置
在同一个文件中多次出现
在同一行多次出现
对于一个正则表达式模式，我正在搜索的字符串可能分布在多行中

一个示例输入是；

new File()
new
File()
there is a new File()
new
    
    
    
File()
there is not a matching pattern here File() new
new File() test new File() occurs twice on this line

示例输出是；

new File() Found on line 1  
new File() Found on lines 2 & 3 
new File() Found on line 4 
new File() Found on lines 5 & 9 
new File() Found on line 11
new File() Found on line 11 
6 occurrences of new File() pattern in test.txt (Filename)

正则表达式模式看起来像；

pattern = r'new\s+File\s*\({1}\s*\){1}'

查看文档here，我可以看到 match、findall 和 finditer 都在字符串的开头返回匹配项，但我没有看到使用搜索函数的方法，该函数查看正则表达式的任何位置我们要搜索的字符串是多行的（上面我的要求中的第四个）。

足够简单，可以匹配每行不止一次出现的正则表达式；

示例输入：

line = "new File() new File()"

代码：

i = 0
matches = []
while i < len(line):
    while line:
        matchObj = re.search(r"new\s+File\s*\({1}\s*\){1}", line, re.MULTILINE | re.DOTALL)
        if matchObj:
            line = line[matchObj.end():]
            matches.append(matchObj.group())

print(matches)

打印以下匹配项 - 目前不包括行号等：

['new File()', 'new File()']

有没有办法用 Python 的正则表达式来做我正在寻找的事情？

【问题讨论】：

标签： python python-3.x regex

【解决方案1】：

您可以首先在文本中找到所有\n 字符及其各自的位置/字符索引。由于每个\n...嗯...开始一个新行，因此此列表中每个值的索引指示找到的\n 字符终止的行号。然后搜索所有出现的模式并使用上述列表查找匹配的开始/结束位置...

import re
import bisect

text = """new 
File()
aa new File()
new
File()
there is a new File() and new
File() again
new
    
    
    
File()
there is not a matching pattern here File() new
new File() test new File() occurs twice on this line
"""

# character indices of all \n characters in text
nl = [m.start() for m in re.finditer("\n", text, re.MULTILINE|re.DOTALL)]

matches = list(re.finditer(r"(new\s+File\(\))", text, re.MULTILINE|re.DOTALL))
match_count = 0
for m in matches:
    match_count += 1
    r = range(bisect.bisect(nl, m.start()-1), bisect.bisect(nl, m.end()-1)+1)
    print(re.sub(r"\s+", " ", m.group(1), re.DOTALL), "found on line(s)", *r)
print(f"{match_count} occurrences of new File() found in file....")

输出：

new File() found on line(s) 0 1
new File() found on line(s) 2
new File() found on line(s) 3 4
new File() found on line(s) 5
new File() found on line(s) 5 6
new File() found on line(s) 7 8 9 10 11
new File() found on line(s) 13
new File() found on line(s) 13
8 occurrences of new File() found in file....

【讨论】：

请注意 re.MULTILINE|re.DOTALL 在这里是多余的，因为没有 .、^ 和 $ 模式可以使用这些选项修改其行为。

【解决方案2】：

可以先统计匹配前的换行数，再统计匹配值中的换行数，合并行号：见Python demo：

import re
s='new File()\nnew\nFile()\nthere is a new File()\nnew\n \n \n \nFile()\nthere is not a matching pattern here File() new\nnew File() test new File() occurs twice on this line'
pattern = r'new\s+File\s*\(\s*\)'
for m in re.finditer(pattern, s):
    linenums = [s[:m.start()].count('\n') + 1]
    for _ in range(m.group().count('\n')):
        linenums.append(linenums[-1] + 1)
    print('{} Found on line {}'.format(re.sub(r'\s+', ' ', m.group()), ", ".join(map(str,linenums))))

请参阅online Python demo。

输出：

new File() Found on line 1
new File() Found on line 2, 3
new File() Found on line 4
new File() Found on line 5, 6, 7, 8, 9
new File() Found on line 11
new File() Found on line 11

【讨论】：