捕获量化正则表达式中的所有匹配

Question

我正在尝试使用正则表达式从字符串中捕获重复的模式。更确切地说，我试图解析LDAP模式定义。

的示例串：

(1.3.6.1.4.1.1466.115.121.1.8 DESC 'Certificate' X-BINARY-TRANSFER-REQUIRED 'TRUE' X-NOT-HUMAN-READABLE 'TRUE') 

正则表达式（Python的/扩展的正则表达式），字符串和所有相关的部件相匹配是：

^\((?P<oid>\d+(\.\d+)*) ((?P<keyword>[A-Z-]+) (?P<value>[^' ]+|'[^']+'|\(.+\)))+\)$ 

我已命名的相关匹配组。问题是我如何捕获所有P和P的出现？默认情况下，只有最后一次发生，而其他发生只有匹配。

Answer 1

你有办法，如果你使用的new regex module，它允许存储重复捕获组的结果，例如：

import regex 

line = '''(1.3.6.1.4.1.1466.115.121.1.8 DESC 'Certificate' X-BINARY-TRANSFER-REQUIRED 'TRUE' X-NOT-HUMAN-READABLE 'TRUE')''' 

pattern = r'''(?x) # switch the VERBOSE (free-spacing) mode on 
^     
\([ ]* 
(?P<oid>\d+(?:\.\d+)*) \s+ # use a non-capturing group when there is 
(?:       # no need to capture something 
    (?P<keyword>[A-Z-]+) [ ]+ 
    (?P<value> [^' ]+ | '[^']*' | \(.+\)) [ ]* 
)+ 
\) 
$ 
''' 

m = regex.match(pattern, line) 
print m.capturesdict() 

您获得：

{'oid': ['1.3.6.1.4.1.1466.115.121.1.8'], 'keyword': ['DESC', 'X-BINARY-TRANSFER-REQUIRED', 'X-NOT-HUMAN-READABLE'], 'value': ["'Certificate'", "'TRUE'", "'TRUE'"]} 

---

关于子模式\(.+\)：

它看起来像一个奇怪的方式来处理n ested parens（因为贪婪的量词）。但是，如果在parens之间只有一个值，这个子模式会给出预期的结果。

一个时间越长，新的正则表达式模块允许您重用一个子模式（在捕获组定义），允许建立一个递归模式，例如：

(\((?>[^()]+|(?1))*\)) 

（其中(?1)参照图案捕获1组（子模式本身））

所以，你可以重写值子模式那样：

(?P<value> [^' ]+ | '[^']*' | (\((?>[^()]+|(?1))*\))) 

注意：但是，如果你不想处理嵌套括号，忘记和使用\([^)]*\)