python - (Python) 如何根据多个正则表达式检查长字符串？

Question

我想确保一个长字符串可以同时与多个正则表达式匹配。

我有一个很长的多行字符串，其中包含文件列表和文件的一些内容。

DIR1\FILE1.EXT1 CONTENT11
DIR1\FILE1.EXT1 CONTENT12
DIR1\FILE1.EXT1 CONTENT13
DIR1\FILE2.EXT1 CONTENT21
DIR2\FILE3.EXT2 CONTENT31
DIR3\FILE3.EXT2 CONTENT11

该列表通常包含数十万行，有时数百万行。

我想检查列表是否包含预定义的夫妇文件/内容:

FILE1 CONTENT11
FILE1 CONTENT12
FILE3 CONTENT11

我知道我可以通过将字符串与某些正则表达式进行匹配来检查字符串是否包含所有这些对

"^\S*FILE1\S*\tCONTENT11$"
"^\S*FILE1\S*\tCONTENT12$"
"^\S*FILE3\S*\tCONTENT11$"

import re

def all_matching(str, rxs):
    res = True
    for rx in rxs:
        p = re.compile(rx, re.M)
        res = res and p.search(str)
    return(res)

input1 = """DIR1\\FILE1.EXT1\tCONTENT11
DIR1\\FILE1.EXT1\tCONTENT12
DIR1\\FILE1.EXT1\tCONTENT13
DIR1\\FILE2.EXT1\tCONTENT21
DIR2\\FILE3.EXT2\tCONTENT31
DIR3\\FILE3.EXT2\tCONTENT11"""

input2 = """DIR1\\FILE1.EXT1\tCONTENT11
DIR1\\FILE1.EXT1\tCONTENT12
DIR1\\FILE1.EXT1\tCONTENT13
DIR1\\FILE2.EXT1\tCONTENT21
DIR2\\FILE3.EXT2\tCONTENT31"""

rxs = [r"^\S*FILE1\S*\tCONTENT11$",r"^\S*FILE1\S*\tCONTENT12$",r"^\S*FILE3\S*\tCONTENT11$"]

if all_matching(input1,rxs):
    print("input1 matches all rxs") # excpected
else:
    print("input1 do not match all rxs")

if all_matching(input2,rxs):
    print("input2 matches all rxs")
else:
    print("input2 do not match all rxs") # expected because input2 doesn't match wirh rxs[2]

ideone is available here

但是，由于在我的情况下输入字符串很长，我宁愿避免多次启动搜索......
我觉得应该可以以这种方式更改 all_matching 函数。

任何帮助都感激不尽!

编辑

通过提供的示例代码澄清了问题

Answer 1

您可以从您拥有的正则表达式字符串构建单个正则表达式，这将需要所有正则表达式在输入字符串中找到匹配项。

结果正则表达式看起来像

\A(?=(?:.*\n)*?\S*FILE1\S*\tCONTENT11$)(?=(?:.*\n)*?\S*FILE1\S*\tCONTENT12$)(?=(?:.*\n)*?\S*FILE3\S*\tCONTENT11$)

见 regex demo .

基本上，它将匹配:

(?m) - 一个 re.M/re.MULTILINE嵌入式标志选项

\A - 字符串的开始(不是一行的开始!)，下面所有的lookaheads都会被一个一个触发，从头开始检查字符串，直到其中一个失败

(?=(?:.*\n)*?\S*FILE1\S*\tCONTENT11$) - 一个正向前瞻，紧靠当前位置的右侧，需要存在

(?:.*\n)*? - 0 或更多(但尽可能少，只有在后续子模式不匹配时才会尝试该模式)

\S* - 0+ 非空格

FILE1 - 一个字符串

\S* - 0+ 非空格

\tCONTENT11 - 标签和 CONTENT11子串

$ - 行尾(因为 (?m) 允许 $ 匹配行尾)

(?=(?:.*\n)*?\S*FILE1\S*\tCONTENT12$) - 与前一个类似的前瞻工作，需要 FILE1和 CONTENT12子串上线

(?=(?:.*\n)*?\S*FILE3\S*\tCONTENT11$) - 与前一个类似的前瞻工作，需要 FILE3和 CONTENT11子串就行了。

在 Python 中，它看起来像

rxs = [r"^\S*FILE1\S*\tCONTENT11$",r"^\S*FILE1\S*\tCONTENT12$",r"^\S*FILE3\S*\tCONTENT11$"]
pat = re.compile( r"(?m)\A(?=(?:.*\n)*?{})".format(r")(?=(?:.*\n)*?".join([rx[1:] for rx in rxs])) )

然后，检查方法看起来像

def all_matching(s, pat):
    return pat.search(s)

见 full Python demo online .