Python Regex - 非贪婪匹配不起作用

Question

我有一个平面文件，其中有一个 C++ 函数名及其部分声明，如下所示：

virtual void NameSpace1::NameSpace2::ClassName1::function_name1(int arg1) const
void function_name2
void NameSpace2::NameSpace4::ClassName2::function_name3
function_name4

我正在尝试使用这一行单独提取函数名称：

fn_name = re.match(":(.*?)\(?", lines)

我可以理解为什么 function_name2 和 function_name4 不匹配（因为没有前导 :。但我看到即使对于 function_name1 和 function_name3，它也不会进行非贪婪匹配.fn_name.group()的输出是

:NameSpace2::ClassName1::function_name1

我有三个问题：

1. 我希望只从第 1 行提取字符串“function_name1”，但非贪婪匹配似乎不起作用。为什么？
2. 为什么没有提取第 3 行？
3. 如何使用单个正则表达式从所有行中获取函数名称？

请帮忙。

Answer 1

这很好用，至少在你的例子中：

^(?:\w+ +)*(?:\w+::)*(\w+)

即，在 Python 代码中：

import re

function_name = re.compile(r'^(?:\w+ +)*(?:\w+::)*(\w+)', re.MULTILINE)
matches = function_name.findall(your_txt)

# -> ['function_name1', 'function_name2', 'function_name3', 'function_name4']

外卖：如果你能用贪心匹配来做，那就用贪心匹配来做。

---

请注意，\w 对于 C 标识符不正确，但写下与这些标识符匹配的技术上正确的字符类不在问题之列。查找并使用正确的字符集而不是 \w。

Answer 2

1) 始终使用r" " 字符串作为正则表达式。

2)

我正在尝试使用这一行单独提取函数名称：

fn_name = re.match(":(.*?)\(?", lines)

fn_name.group() 的输出是

:NameSpace2::ClassName1::function_name1

我没看到：

import re

line = "virtual void NameSpace1::NameSpace2::ClassName1::function_name1(int arg1) const"

fn_name = re.search(r":(.*?)\(?", line)
print(fn_name.group())

--output:--
:

无论如何，如果您想了解非贪婪是如何工作的，请查看以下代码：

import re

line = "N----1----2"

greedy_pattern = r"""
    N
    .*
    \d
"""

match_obj = re.search(greedy_pattern, line, flags=re.X)
print(match_obj.group())

non_greedy_pattern = r"""
    N
    .*?
    \d
"""
match_obj = re.search(non_greedy_pattern, line, flags=re.X)
print(match_obj.group())

--output:--
N----1----2
N----1

非贪婪版本要求匹配.*的所有字符，直到遇到的第一个数字，而贪婪版本将尝试找到.*后跟一个数字的最长匹配项。

3) 警告！没有正则表达式区域！

func_names = [
"virtual void NameSpace1::NameSpace2::ClassName1::function_name1(int arg1) const",
"void function_name2",
"void NameSpace2::NameSpace4::ClassName2::function_name3",
"function_name4",
]

for func_name in func_names:
    name = func_name.rsplit("::", 1)[-1]

    pieces = name.rsplit(" ", 1)

    if pieces[-1] == "const":
        name = pieces[-2]
    else:
        name = pieces[-1]

    name = name.split('(', 1)[0]
    print(name)

--output:--
function_name1
function_name2
function_name3
function_name4

Answer 3

1. 我希望只从第 1 行提取字符串“function_name1”，但非贪婪匹配似乎不起作用。为什么？

这是您的正则表达式":(.*?)\(?"的结果

我认为你的正则表达式是“太懒了”。它将仅匹配:，因为(.*?) 代表匹配任何字符“尽可能少”，然后正则表达式引擎选择匹配零字符。如您所料，直到\(? 才会匹配，因为? 仅表示“可选”。

1. 为什么没有提取第 3 行？

因为我已经测试了你的正则表达式。不仅是第三行，它根本不起作用。

1. 如何使用单个正则表达式从所有行中获取函数名称？

你可以从这个最小的例子开始

(?:\:\:|void\s+)(\w+)(?:\(|$)|(function_name4)

(?:\:\:|void\s+) 代表以您的函数名称开头的任何内容，(?:\(|$) 代表您的函数名称后面的任何内容。

请注意，function_name4 假设由于缺少模式而被显式声明。

见：DEMO

Answer 4

在尝试从“N foo bar N----1----2”中捕获“N----1”时，我曾经被类似的东西难住了。添加前导 .* 可以得到所需的结果。

import re
line = "N foo bar N----1----2"
match_obj = re.search(r'(N.*?\d)', line)
print(match_obj.group(1)) 

match_obj = re.search(r'.*(N.*?\d)', line)
print(match_obj.group(1))

--output:--
N foo bar N----1
N----1