python - 使用正则表达式在 Python 中的两个已定义标签之间查找所有出现的多行字符串

Question

我正在尝试做一些出乎意料的事情。我想解析一个 Python 代码，其中一些特定的注释行定义了我想要提取的文本 block 或代码块。对于这个例子，我将使用两种类型的标签，一种用于代码，一种用于文本描述。

#c
print ("this is the tag I used for code I want to find")
#-c

#d
"""This is the tag I used for a description I want to find"""
#-d

为什么我要这样标记我的代码？嗯，这是另一个问题。更多详情请查看 this SO post如果你感兴趣。
现在，我一直在尝试用正则表达式捕获这些标签，因为这是我第一次使用正则表达式，我显然没有成功......这是我目前的尝试:

file = 'script.py'
with open(file, 'r') as f:
    text = f.read() 
text = read_python_script(file)

code_blocks = re.compile(r'(?s)(?<=#c\n)(.*\n)(?=#-c)')
desc_blocks = re.compile(r'(?s)(?<=#d\n)(.*\n)(?=#-d)')

code = re.findall(code_blocks, text)
desc = re.findall(desc_blocks, text)

这是我要解析的脚本示例:

# -*- coding: utf-8 -*-
"""
Title: blablabla
Author: Mathieu

Description: Report the some measurements
"""

import time
import uuid

from database.model import TestLimit, TestResult
from util import log

#d
"""
blablabla some description
which might be multiline
"""
#-d
# Constants
#c
CONSTANT_1 = 10     # Unit
CONSTANT_2 = 2      # Unit
#-c

class Foo(Fp):
    def __init__(self, #some parameters):
        # some init

    def _run(self, #some parameters):
        #%% Section Title 1
        #%%% Sub section Title 1
        #c
        code I would like to catch
        can be multiple liens
        #-c

        
        with something.open():
            #%%% Sub section title 2
            #d
            """some description I want to catch"""
            #-d
            
            #c
            some more code I want to catch
            #-c

目前，我只得到第一次出现，我不知道为什么......
编辑:如前所述，我应该将表达式更改为惰性格式:

r'(?s)(?<=#c\n)(.*?)(?=\n#-c)'

这并不能完全解决问题，因为我仍然只发现第一次出现。

Answer 1

您可以使用

re.findall(r'(?s)#c\n(.*?)\n[^\S\r\n]*#-c', text)

见 regex demo .
这里有两件事:

懒惰匹配.*?图案

[^\S\r\n]*匹配 #-c 之前必须使用的任何 0 个或多个水平空格因为符号前可能有一些缩进。

详情

(?s) - 内联re.DOTALL修饰符

#c - 文字字符串

\n - 换行符

(.*?) - 捕获组 1:尽可能少的任何零个或多个字符

\n - 换行符

[^\S\r\n]* - 0 个或多个水平空白字符

#-c - 文字字符串。