python - 使用 RegEx 在 Python 中捕获重复组(参见示例)

Question

我正在用 python 编写一个正则表达式来捕获 SSI 标签内的内容。

我要解析标签:

<!--#include file="/var/www/localhost/index.html" set="one" -->

分为以下组件:

• 标签功能(例如:include、echo 或 set)
• 属性名称，位于= 符号之前
• 属性的值，在 " 之间找到

问题是我不知道如何获取这些重复组，因为名称/值对可能在标记中出现一次或多次。我在这上面花了好几个小时。

这是我当前的正则表达式字符串:

^\<\!\-\-\#([a-z]+?)\s([a-z]*\=\".*\")+? \-\-\>$

它捕获第一组中的 include 和第二组中的 file="/var/www/localhost/index.html"set="one"，但我所追求的是:

group 1: "include"
group 2: "file"
group 3: "/var/www/localhost/index.html"
group 4 (optional): "set"
group 5 (optional): "one"

(continue for every other name="value" pair)

I am using this site to develop my regex

Answer 1

抓取所有可以重复的内容，然后单独解析它们。这可能也是命名组的一个很好的用例!

import re

data = """<!--#include file="/var/www/localhost/index.html" set="one" reset="two" -->"""
pat = r'''^<!--#([a-z]+) ([a-z]+)="(.*?)" ((?:[a-z]+?=".+")+?) -->'''

result = re.match(pat, data)
result.groups()
('include', 'file', '/var/www/localhost/index.html', 'set="one" reset="two"')

然后遍历它:

g1, g2, g3, g4 = result.groups()
for keyvalue in g4.split(): # split on whitespace
    key, value = keyvalue.split('=')
    # do something with them