python - 获取字符串后的文本

Question

我正在寻求帮助来创建一个正则表达式，该正则表达式可以使用 Python 在给定字符串之后获取特定文本。

我正在尝试从页面中提取 JSON，它是这样的:

    var config = {aslkdjsakljdkalsj{asdasdas}askldjaskljd};

我需要一个可以从第一个 { 到 } => 没有分号的正则表达式

我试过

    config = .*?(?=\}\;)

但是输出是

    config = {sadasdasdas{a}asdasdasd

它获取 config = 部分，但不获取最后一个 }。

我该如何解决？

Answer 1

如果你的 JS 行保证在终止 ; 之前不包含换行符，那么问题很简单 - match var config =，后面是一组捕获的非换行符，然后是抹茶分号和行尾。如果 JSON 用 ' 分隔，那么，例如，使用模式

var config = '(.+)';$

并提取第一组。

input = '''
  var config = '{ "foo": "b\\ar", "ba{{}}}{{z": ["buzz}", "qux", {"innerprop": "innerval"}]}';
  var someOtherVar = 'bar';
'''
match = re.search("(?m)var config = '(.+)';$", input);

如果 JSON 不能保证在其自己的行上，那么它会复杂得多。解析像 JSON 这样的嵌套结构很困难——用正则表达式解决一般问题的唯一方法是结构是否事先已知(通常情况并非如此，并且可能需要模式中的大量重复代码)，或者如果正在使用的 RE 引擎支持递归匹配。如果没有它，就无法在模式中表达对 平衡 数量的 { 和 } 的需求。

幸运的是，如果您使用的是 Python，即使 Python 的原生 RE 不支持递归，也有一个 regex module可用的。您还需要确保可能出现在 JSON 中的字符串内部的 { 和 } 不会影响当前的嵌套级别。对于原始字符串，您需要像这样的模式

var config = String\.raw`\K({(?:"(?:\\|\\"|[^"])*"|[^{}]|(?1))*})(?=`;)

捕获组的外面是

var config = String\.raw`\K({ ... })(?=`;)

匹配你想要的行和字符串定界符，捕获组为

{(?:"(?:\\|\\"|[^"])*"|[^{}]|(?1))*}

这意味着 - {，后跟任意数量的:任一个

• "(?:\\|\\"|[^"])*" - 匹配 JSON 中的字符串(键或值)，从其起始分隔符到其结束定界符，忽略转义的 " 或
• [^{}] - 匹配任何不是 { 或 } 的字符 - 其他字符可以忽略，因为我们只是想要获得正确的嵌套级别，或者
• (?1) - 递归整个第一个捕获组(匹配 { ... } 的那个)

这将确保 { } 括号在模式末尾平衡。

---

但是 - 以上是使用 String.raw 的示例，其中 Javascript 代码中的文字反斜杠表示字符串中的文字反斜杠。另一方面，使用 ' 分隔符时，文字反斜杠需要在 JS 中进行 double 转义，因此上面的输入看起来像

var config = '{ "foo": "b\\\\ar", "ba{{}}}{{z": ["buzz}", "qux", {"innerprop": "innerval"}]}';

还需要对模式中的反斜杠进行两次转义:

var config = '\K({(?:"(?:\\\\|\\\\"|[^"])*"|[^{}]|(?1))*})(?=';)

https://regex101.com/r/8rSrGf/1

这很复杂。如果可能的话，我建议改用第一种方法或其变体。