Python 用户输入作为正则表达式，如何正确执行？

Question

我正在使用 Python 3。在我的应用程序中，用户可以直接输入正则表达式字符串，应用程序将使用它来匹配一些字符串。例如，用户可以键入 \t+。但是我无法使其工作，因为我无法将其正确转换为正确的正则表达式。我试过了，下面是我的代码。

>>> import re
>>> re.compile(re.escape("\t+")).findall("  ")
[]

然而，当我将正则表达式字符串更改为 \t 时，它将起作用。

>>> re.compile(re.escape("\t")).findall("   ")
['\t']

注意 findall 的参数是一个制表符。我不知道为什么它在 Stackoverflow 中似乎没有正确显示。

任何人都可以指出正确的方向来解决这个问题吗？谢谢。

Answer 1

编译用户输入

我假设用户输入是一个字符串，无论它来自您的系统:

user_input = input("Input regex:")  # check console, it is expecting your input
print("User typed: '{}'. Input type: {}.".format(user_input, type(user_input)))

这意味着您需要将其转换为正则表达式，这就是 re.compile 的用途。如果您使用 re.compile 并且没有提供要转换为正则表达式的有效 str，它将抛出错误。

因此，您可以创建一个函数来检查输入是否有效。您使用了 re.escape，所以我在函数中添加了一个标志以决定是否使用 re.escape。

def is_valid_regex(regex_from_user: str, escape: bool) -> bool:
    try:
        if escape: re.compile(re.escape(regex_from_user))
        else: re.compile(regex_from_user)
        is_valid = True
    except re.error:
        is_valid = False
    return is_valid

print("If you don't use re.escape, the input is valid: {}.".format(is_valid_regex(user_input, escape=False)))
print("If you do use re.escape, the input is valid: {}.".format(is_valid_regex(user_input, escape=True)))

如果您的用户输入是:\t+，您将得到:

>> If you don't use re.escape, the input is valid: True.
>> If you do use re.escape, the input is valid: True.

但是，如果您的用户输入是:[\t+，您将得到:

>> If you don't use re.escape, the input is valid: False.
>> If you do use re.escape, the input is valid: True.

请注意，它确实是一个无效的正则表达式，但是，通过使用 re.escape，您的正则表达式将变得有效。这是因为 re.escape 转义 所有特殊字符，将它们视为文字字符。所以在你有 \t+ 的情况下，如果你使用 re.escape 你会寻找一个字符序列:\, t, + 而不是 制表符。

检查您的查找字符串

获取您要查看的字符串。例如，这是一个字符串，其中引号之间的字符应该是一个制表符:

string_to_look_in = 'This is a string with a "  " tab character.'

您可以使用 repr 函数手动检查标签。

print(string_to_look_in)
print(repr(string_to_look_in))

>> This is a string with a "    " tab character.
>> 'This is a string with a "\t" tab character.'

请注意，通过使用 repr，将显示制表符的 \t 表示。

测试脚本

这里有一个脚本供您尝试所有这些事情:

import re

string_to_look_in = 'This is a string with a "  " tab character.'
print("String to look into:", string_to_look_in)
print("String to look into:", repr(string_to_look_in), "\n")

user_input = input("Input regex:")  # check console, it is expecting your input

print("\nUser typed: '{}'. Input type: {}.".format(user_input, type(user_input)))


def is_valid_regex(regex_from_user: str, escape: bool) -> bool:
    try:
        if escape: re.compile(re.escape(regex_from_user))
        else: re.compile(regex_from_user)
        is_valid = True
    except re.error:
        is_valid = False
    return is_valid

print("\nIf you don't use re.escape, the input is valid: {}.".format(is_valid_regex(user_input, escape=False)))
print("If you do use re.escape, the input is valid: {}.".format(is_valid_regex(user_input, escape=True)))

if is_valid_regex(user_input, escape=False):
    regex = re.compile(user_input)
    print("\nRegex compiled as '{}' with type {}.".format(repr(regex), type(regex)))

    matches = regex. findall(string_to_look_in)
    print('Mathces found:', matches)

else:
    print('\nThe regex was not valid, so no matches.')