python反向引用正则表达式

Question

我需要搜索这样的东西:

lines = """package p_dio_bfm is
   procedure setBFMCmd (  
      variable  pin : in tBFMCmd
      );
end p_dio_bfm; -- end package;

package body p_dio_bfm is
   procedure setBFMCmd (  
      variable  pin : in tBFMCmd
      ) is
   begin
      bfm_cmd := pin;
   end setBFMCmd;
end p_dio_bfm;"""

我需要提取包名称，即 p_dio_bfm 和包声明，即“package p_dio_bfm is”和 FIRST“end p_dio_bfm;”之间的部分

问题是包声明可能以“end p_dio_bfm;”结尾或“结束包”；所以我尝试了以下“OR”正则表达式:- 适用于以“结束包”结尾的包- 不适用于以“end pck_name;”结尾的包

pattern = re.compile("package\s+(\w+)\s+is(.*)end\s+(package|\1)\s*;")
match = pattern.search(lines)

问题出在正则表达式的 (package|\1) 部分，我要在其中捕获单词“package”或匹配的包名称。

更新:我已经提供了一个完整的代码，我希望能澄清它:

import re
lines1 = """package p_dio_bfm is
   procedure setBFMCmd (
      variable  pin : in tBFMCmd
      );
end p_dio_bfm;

package body p_dio_bfm is
   procedure setBFMCmd (
      variable  pin : in tBFMCmd
      ) is
   begin
      bfm_cmd := pin;
   end setBFMCmd;
end p_dio_bfm;"""

lines2 = """package p_dio_bfm is
   procedure setBFMCmd (
      variable  pin : in tBFMCmd
      );
end package;

package body p_dio_bfm is
   procedure setBFMCmd (
      variable  pin : in tBFMCmd
      ) is
   begin
      bfm_cmd := pin;
   end setBFMCmd;
end package;"""

lines1 = lines1.replace('\n', ' ')
print lines1

pattern = re.compile("package\s+(\w+)\s+is(.*)end\s+(package|\1)\s*;")
match = pattern.search(lines1)

print match

lines2 = lines2.replace('\n', ' ')
print lines2

match = pattern.search(lines2)

print match

我希望在这两种情况下，使用唯一的正则表达式来取回这部分:

"""procedure setBFMCmd (
          variable  pin : in tBFMCmd
          );"""  

没有我删除的\n 字符。

Answer 1

您的正则表达式不匹配任何内容，因为它不正确。不使用多行标志 。* 将不匹配换行符，因此您可以使用 [\s\S ]*:

r'package ([^\s]+)\s+is([\s\S]*)end\s+(package|\1)\s*;'

查看演示 https://regex101.com/r/tZ3uH0/1

但是这里还有其他一些问题，一个是您的字符串包含 2 个包 block ，这一点是您可以起诉 re.DOTALL 标志的一种更优雅、更高效的方式，它使 '.' 成为了标志。特殊字符完全匹配任何字符，包括换行符。因此您可以像下面这样编写正则表达式:

pattern = re.compile("package\s+(\w+)\s+is(.*)end\s+(package|\1)\s*;",re.DOTALL)

但这仍然会匹配第一个 block :

>>> match = pattern.search(lines)
>>> print match.group(0)
package p_dio_bfm is
   procedure setBFMCmd (  
      variable  pin : in tBFMCmd
      );
end p_dio_bfm; -- end package;
>>> print match.group(1)
p_dio_bfm
>>> print match.group(2)

   procedure setBFMCmd (  
      variable  pin : in tBFMCmd
      );
end p_dio_bfm; -- 
>>> print match.group(3)
package

要匹配所有 block ，您需要在第二组中澄清诸如 body 之类的词:

package\s+(?:\w+\s+?)?([^\s]+)\s+is(.*?)end\s+(package|\1)\s*;

查看演示 https://regex101.com/r/tZ3uH0/3