python - 如何制作正则表达式 'greedy but optional'

Question

我正在尝试为表示文件路径的字符串编写解析器，可选地后跟冒号(:)和表示访问标志的字符串(例如r+ 或 w)。文件名本身可以包含冒号，例如 foo:bar.txt，因此分隔访问标志的冒号应该是字符串中的最后一个冒号。

这是我迄今为止的实现:

import re

def parse(string):
    SCHEME = r"file://"                             # File prefix
    PATH_PATTERN = r"(?P<path>.+)"                  # One or more of any character
    FLAGS_PATTERN = r"(?P<flags>.+)"        # The letters r, w, a, b, a '+' symbol, or any digit

    # FILE_RESOURCE_PATTERN = SCHEME + PATH_PATTERN + r":" + FLAGS_PATTERN + r"$"               # This makes the first test pass, but the second one fail
    FILE_RESOURCE_PATTERN = SCHEME + PATH_PATTERN + optional(r":" + FLAGS_PATTERN) + r"$"   # This makes the second test pass, but the first one fail

    tokens = re.match(FILE_RESOURCE_PATTERN, string).groupdict()

    return tokens['path'], tokens['flags']

def optional(re):
    '''Encloses the given regular expression in a group which matches 0 or 1 repetitions.'''
    return '({})?'.format(re)

我尝试了以下测试:

import pytest

def test_parse_file_with_colon_in_file_name():
    assert parse("file://foo:bar.txt:r+") == ("foo:bar.txt", "r+")

def test_parse_file_without_acesss_flags():
    assert parse("file://foobar.txt") == ("foobar.txt", None)

if __name__ == "__main__":
    pytest.main([__file__])

问题是，通过使用或不使用可选，我可以使一个或另一个测试通过，但不能同时通过。如果我将 r":"+ FLAGS_PATTERN 设置为可选，则前面的正则表达式将消耗整个字符串。

如何调整 parse 方法以使两个测试都通过？

Answer 1

你应该构建像这样的正则表达式

^file://(?P<path>.+?)(:(?P<flags>[^:]+))?$

请参阅regex demo .

在您的代码中，不需要 ^ anchor ，因为您使用 re.match 将匹配锚定在字符串的开头。 path 组延迟匹配任何 1+ 个字符(因此，可以与第 2 组匹配的所有文本都将出现在第二次捕获中)，直到第一次出现 : 后跟 1+ 个除 : 之外的字符(如果存在)，然后测试字符串位置的结尾。感谢 $ anchor ，如果第二个可选组不匹配，第一个组将匹配整个字符串。

使用以下修复:

PATH_PATTERN = r"(?P<path>.+?)"                  # One or more of any character
FLAGS_PATTERN = r"(?P<flags>[^:]+)"        # The letters r, w, a, b, a '+' symbol, or any digit

请参阅online Python demo .