python - 正则表达式:如何匹配字符串末尾的键值对序列

Question

我正在尝试匹配出现在(长)字符串末尾的键值对。字符串看起来像(我替换了“\n”)

my_str = "lots of blah
          key1: val1-words
          key2: val2-words
          key3: val3-words"

所以我希望匹配“key1: val1-words”、“key2: val2-words”和“key3: val3-words”。

• 一组可能的键名是已知的。
• 并非所有可能的键都出现在每个字符串中。
• 每个字符串中至少出现两个键(如果这样更容易匹配)。
• val-words 可以是几个词。
• 键值对只能在字符串的末尾匹配。
• 我正在使用 Python re 模块。

我在想

re.compile('(?:tag1|tag2|tag3):')

加上一些前瞻断言的东西将是一个解决方案。虽然我做不对。我该怎么做？

谢谢。

/大卫

真实示例字符串:

my_str = u'ucourt métrage pour kino session volume 18\nThème: O sombres héros\nContraintes: sous titrés\nAuthor: nicoalabdou\nTags: wakatanka productions court métrage kino session humour cantat bertrand noir désir sombres héros mer medine marie trintignant femme droit des femmes nicoalabdou pute soumise\nPosted: 06 June 2009\nRating: 1.3\nVotes: 3'

编辑:

基于 Mikel 的解决方案，我现在使用的是:

my_tags = ['\S+'] # gets all tags
my_tags = ['Tags','Author','Posted'] # selected tags
regex = re.compile(r'''
    \n                     # all key-value pairs are on separate lines
    (                      # start group to return
       (?:{0}):            # placeholder for tags to detect '\S+' == all
        \s                 # the space between ':' and value
       .*                  # the value
    )                      # end group to return
    '''.format('|'.join(my_tags)), re.VERBOSE)<p></p>

<p>regex.sub('',my_str) # return my_str without matching key-vaue lines
regex.findall(my_str) # return matched key-value lines
</p>

Answer 1

负零宽度先行是(?!pattern)。

在 re module documentation page 的中途提到了它.

(?!...)

Matches if ... doesn’t match next. This is a negative lookahead assertion. For example, Isaac (?!Asimov) will match 'Isaac ' only if it’s not followed by 'Asimov'.

因此您可以使用它来匹配键后的任意数量的单词，但不能使用类似 (?!\S+:)\S+ 的键。

完整的代码如下所示:

regex = re.compile(r'''
    [\S]+:                # a key (any word followed by a colon)
    (?:
    \s                    # then a space in between
        (?!\S+:)\S+       # then a value (any word not followed by a colon)
    )+                    # match multiple values if present
    ''', re.VERBOSE)

matches = regex.findall(my_str)

哪个给

['key1: val1-words ', 'key2: val2-words ', 'key3: val3-words']

如果您使用以下方式打印键/值:

for match in matches:
    print match

它将打印:

key1: val1-words
key2: val2-words
key3: val3-words

或者使用您更新的示例，它将打印:

Thème: O sombres héros 
Contraintes: sous titrés 
Author: nicoalabdou 
Tags: wakatanka productions court métrage kino session humour cantat bertrand noir désir sombres héros mer medine marie trintignant femme droit des femmes nicoalabdou pute soumise 
Posted: 06 June 2009 
Rating: 1.3 
Votes: 3

您可以使用如下方式将每个键/值对转换为字典:

pairs = dict([match.split(':', 1) for match in matches])

这样可以更轻松地仅查找所需的键(和值)。

更多信息:

• Python re module documentation
• Python Regular Expression HOWTO
• Perl Regular Expression Reference "perlreref"

---