字符串中的多个捕获

如何解决字符串中的多个捕获

在 SO 上还没有找到可以完全回答这种情况的 Q/A。我已经实施了一些解决方案来达到我的目的。

我正在解析 VCF files 的标头（元数据）部分。每行的格式如下：

##TAG=<key=val,key=val,...>

我有一个正则表达式来解析 <> 中的多个 k-v 对，但我似乎无法添加 <> 并让它仍然“工作”。

s = 'a=1,b=two,c="three"'

pat = re.compile(r'''(?P<key>\w+)=(?P<value>[^,]*),?''')
match = pat.findall(s)
print(dict(match))
#{'a': '1','b': 'two','c': '"three"'}

还有，

s = 'a=1,c="three"'

pat = re.compile(r'''(?:(?P<key>\w+)=(?P<value>[^,?)''')
match = pat.findall(s)
print(match)
print(dict(match))
#[('a','1'),('b','two'),('c','"three"')]
#{'a': '1','c': '"three"'}

所以，我想我可以做到：

s = '<a=1,c="three">'

pat = re.compile(r'''<(?:(?P<key>\w+)=(?P<value>[^,?)>''')
match = pat.findall(s)
print(match)
print(dict(match))
#[]
#{}

如果可能的话，我真的很想做这样的事情：

\#\#(?P<tag>)=<(?:(?P<key>\w+)=(?P<value>[^,?)>

并捕获 TAG 和所有 k-v 对。显然，我希望它“工作”。

我意识到这里的“正确”解决方案很可能使用解析器而不是正则表达式。但我是生物信息学的人，不是程序员。并且格式非常一致，并按照（几乎）始终遵循的标准化规范进行布局。

解决方法

使用PyPi regex：

import regex
s = '##TAG=<key=val,key2=val2>'
pat = regex.compile(r'''##(?P<tag>\w+)=<(?:(?P<key>\w+)=(?P<value>[^,<>]*),?)*>''')
match = pat.search(s)
print([match.group("tag"),list(zip(match.captures("key"),match.captures("value")))])

见Python proof | Regex explanation

--------------------------------------------------------------------------------
  ##                       '##'
--------------------------------------------------------------------------------
  (?P<tag>                  group and capture to \k<tag>:
--------------------------------------------------------------------------------
    \w+                      word characters (a-z,A-Z,0-9,_) (1 or
                             more times (matching the most amount
                             possible))
--------------------------------------------------------------------------------
  )                        end of \k<tag>
--------------------------------------------------------------------------------
  =<                       '=<'
--------------------------------------------------------------------------------
  (?:                      group,but do not capture (0 or more times
                           (matching the most amount possible)):
--------------------------------------------------------------------------------
    (?P<key>                        group and capture to \k<key>:
--------------------------------------------------------------------------------
      \w+                      word characters (a-z,_) (1
                               or more times (matching the most
                               amount possible))
--------------------------------------------------------------------------------
    )                        end of \k<key>
--------------------------------------------------------------------------------
    =                        '='
--------------------------------------------------------------------------------
    (?P<value>                 group and capture to \k<value>:
--------------------------------------------------------------------------------
      [^,<>]*                  any character except: ',','<','>' (0
                               or more times (matching the most
                               amount possible))
--------------------------------------------------------------------------------
    )                        end of \k<value>
--------------------------------------------------------------------------------,?                       ',' (optional (matching the most amount
                             possible))
--------------------------------------------------------------------------------
  )*                       end of grouping
--------------------------------------------------------------------------------
  >                        '>'

结果：['TAG',[('key','val'),('key2','val2')]]