如何提取正则表达式查询直到特定单词？答案

【问题标题】：How to extract regex query until a specific word?如何提取正则表达式查询直到特定单词？
【发布时间】：2019-07-01 20:19:44
【问题描述】：

我正在尝试从特定标记语言 LookML 中提取某些数据。如果这是示例代码：

explore: explore_name {}
explore: explore_name1 {
  label: "name"
  join: view_name {
      relationship: many_to_one
      type: inner
      sql_on: ${activity_type.activity_name}=${activity_type.activity_name} ;;
  }
}
explore: explore_name3 {}

然后我会收到一个如下所示的列表：

explore: character_balance {}

label: "name"
join: activity_type {
  relationship: many_to_one
  type: inner
  sql_on: ${activity_type.activity_name}=${activity_type.activity_name} ;;
}```

explore: explore_name4 {}

基本上，我在 "explore" 处开始一场比赛，并在找到另一个 "explore" 时结束比赛——这将开始下一场比赛。

这是我以前的内容，它匹配所有行，直到找到;，这非常好：'explore:\s[^;]*'。但是，假设有一个，这停在一个';'。

我将如何更改它以消除“探索”和“探索”之间的所有内容？只需替换';'在我的 'explore' 正则表达式中，只要找到与 [e,x,p,l,o,r,e] 中的任何内容匹配的字母就会停止 - 这不是我想要的行为。删除方括号和 ^ 最终会破坏所有内容，使其无法跨多行查询。

我应该在这里做什么？

【问题讨论】：

标签： python regex regex-lookarounds looker

【解决方案1】：

一种天真的方法包括到达下一个“探索”词。但是如果出于任何原因，一个字符串值包含这个词，你会得到错误的结果。如果您在字符串包含嵌套括号时尝试停止使用大括号，则会出现同样的问题。

这就是为什么我建议对您的字符串语法进行更精确的描述，其中考虑到字符串和嵌套的大括号。由于 re 模块没有递归功能（处理嵌套结构），我将使用 pypi/regex 模块代替：

import regex

pat = r'''(?xms)
    \b explore:
    [^\S\r\n]* # optional horizontal whitespaces
    [^\n{]* # possible content of the same line
    # followed by two possibilities
    (?: # the content stops at the end of the line with a ;
        ; [^\S\r\n]* $
      | # or it contains curly brackets and spreads over eventually multiple lines
        ( # group 1
            {
                [^{}"]*+ # all that isn't curly brackets nor double quotes
                (?:
                    " [^\\"]*+ (?: \\. [^\\"]* )*+ " # contents between quotes
                    [^{}"]*

                  |
                    (?1) # nested curly brackets, recursion in the group 1
                    [^{}"]*
                )*+
            }
        )
    )'''

results = [x.group(0) for x in regex.finditer(pat, yourstring)]

demo

为了更严格，您可以添加对单引号字符串的支持，并使用(*SKIP)(*FAIL) 构造防止模式开头的“explore:”不在字符串中。

【讨论】：

【解决方案2】：

虽然它在 Regex 中是可行的，但您应该使用能够理解格式的解析器，因为 Regex 解决方案非常脆弱。

话虽如此，下面是一个启用了 DOTALL 模式的正则表达式解决方案（. 匹配任何字符，包括换行符）：

re.findall(r'explore:.*?\}', text, re.DOTALL)

explore: 匹配字面意思
.*?\} 非贪婪匹配到下一个 }

示例：

In [1253]: text = '''explore: character_balance {} 
      ...: explore: tower_ends { 
      ...:   label: "Tower Results" 
      ...:   join: activity_type { 
      ...:       relationship: many_to_one 
      ...:       type: inner 
      ...:       sql_on: ${activity_type.activity_name}=${wba_fact_activity.activity_name} ;; 
      ...:   } 
      ...: } 
      ...: explore: seven11_core_session_start {}'''                                                                                                                                                        

In [1254]: re.findall(r'explore:.*?\}', text, re.DOTALL)                                                                                                                                     
Out[1254]: 
['explore: character_balance {}',
 'explore: tower_ends {\n  label: "Tower Results"\n  join: activity_type {\n      relationship: many_to_one\n      type: inner\n      sql_on: ${activity_type.activity_name}',
 'explore: seven11_core_session_start {}']

【讨论】：

【解决方案3】：

您可以使用带有前瞻断言的非贪婪匹配来检查是否存在另一个explore: 或字符串的结尾。试试：

'explore:.*?(?=explore|$)'

【讨论】：