【背景】
之前在：
【记录】Android中用java的正则查找并替换宏定义中的参数
在java中，用如下代码：
/**
* @author Crifan Li
*
* @function test java regex look ahead
* 【研究】java和python中的正则的贪婪匹配
* https://www.crifan.com/research_java_python_regex_greedy_match
* @version 2013-07-28
*
*/
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexLookAheadTest {
/**
* @param args
*/
public static void main(String[] args) {
// TODO Auto-generated method stub
//String testString = "#define defineMacro(a,b) a+defineValue(a,b, \"string valur\")";
String testString = "a+defineValue(a,b, \"string value\")";
processDefineContent(testString);
}
public static String processDefineContent(String defineContent)
{
//use regex to process it
String processedDefineContent = defineContent; //_get_dev_var_value((d),(e),METHODID(f), "inside_id_should_not_match")
Pattern idP = Pattern.compile("((?<id>[_a-zA-Z]\\w*)(?!\\())|(?<str>\"[^\"]+?\")"); //auto omit "someFunc(xxx" type id
Matcher foundId = idP.matcher(processedDefineContent);
// Find all matches
while (foundId.find()) {
// Get the matching string
int matchedIdStartPos = foundId.start(0);
int matchedIdEndPos = foundId.end(0);
String strMatchedId = foundId.group("id");
if(null != strMatchedId)
{
System.out.println("Is ID: [" + matchedIdStartPos + "-" + matchedIdEndPos + "]=" + strMatchedId);
}
else
{
int matchedStrStartPos = foundId.start(0);
int matchedStrEndPos = foundId.end(0);
String strMatchedStr = foundId.group("str");
System.out.println("Is String: [" + matchedIdStartPos + "-" + matchedIdEndPos + "]=" + strMatchedStr);
}
/*
Is ID: [0-1]=a
Is ID: [2-12]=defineValu
Is ID: [14-15]=a
Is ID: [16-17]=b
Is String: [19-33]="string value"
*/
}
return processedDefineContent;
}
}结果输出的结果是：
Is ID: [0-1]=a Is ID: [14-15]=a Is ID: [16-17]=b Is String: [19-33]="string value" |
其中，很明显：
Is ID: [2-12]=defineValu
出错了。
因为是希望，跳过defineValue的，结果却是：
匹配到了
defineValu
而跳过了
e(
所以，现在就去研究一下，如何解决此类问题。
【折腾过程】
1。后来，是想到了\b的boundary，然后，java改为：
/**
* @author Crifan Li
*
* @function test java regex look ahead
* 【研究】java和python中的正则的贪婪匹配
* https://www.crifan.com/research_java_python_regex_greedy_match
* @version 2013-07-28
*
*/
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexLookAheadTest {
/**
* @param args
*/
public static void main(String[] args) {
// TODO Auto-generated method stub
//String testString = "#define defineMacro(a,b) a+defineValue(a,b, \"string valur\")";
String testString = "a+defineValue(a,b, \"string value\")";
processDefineContent(testString);
}
public static String processDefineContent(String defineContent)
{
//use regex to process it
String processedDefineContent = defineContent; //_get_dev_var_value((d),(e),METHODID(f), "inside_id_should_not_match")
Pattern idP = Pattern.compile("((?<id>[_a-zA-Z]\\w*)\\b(?!\\())|(?<str>\"[^\"]+?\")"); //auto omit "someFunc(xxx" type id
Matcher foundId = idP.matcher(processedDefineContent);
// Find all matches
while (foundId.find()) {
// Get the matching string
int matchedIdStartPos = foundId.start(0);
int matchedIdEndPos = foundId.end(0);
String strMatchedId = foundId.group("id");
if(null != strMatchedId)
{
System.out.println("Is ID: [" + matchedIdStartPos + "-" + matchedIdEndPos + "]=" + strMatchedId);
}
else
{
int matchedStrStartPos = foundId.start(0);
int matchedStrEndPos = foundId.end(0);
String strMatchedStr = foundId.group("str");
System.out.println("Is String: [" + matchedIdStartPos + "-" + matchedIdEndPos + "]=" + strMatchedStr);
}
}
return processedDefineContent;
}
}即可实现效果：
自动忽略掉defineValue
输出结果为：
Is ID: [0-1]=a Is ID: [16-17]=b Is String: [19-33]="string value" |
2。然后后来，又想起来，会不会，对于之前的java的正则：
((?<id>[_a-zA-Z]\\w*)(?!\\())|(?<str>\"[^\"]+?\")
放在python中，即：
((?P<id>[_a-zA-Z]\w*)(?!\())|(?P<str>"[^"]+?")
就自动可以实现本来需要的效果，可以自动忽略掉defineValue呢？
然后就去试试，结果是：
#!/usr/bin/python
# -*- coding: utf-8 -*-
"""
Function:
【研究】java和python中的正则的贪婪匹配
https://www.crifan.com/research_java_python_regex_greedy_match
Version: 2013-07-28
Author: Crifan Li
Contact: https://www.crifan.com/contact_me/
"""
import re;
def re_greey_id():
testString = 'a+defineValue(a,b, "string value")';
findAllId = re.findall('((?P<id>[_a-zA-Z]\w*)(?!\())|(?P<str>"[^"]+?")', testString);
findAllId = re.findall('(([_a-zA-Z]\w*)(?=\b)(?!\())|("[^"]+?")', testString);
print "findAllId=",findAllId; #findAllId= [('a', 'a', ''), ('defineValu', 'defineValu', ''), ('a', 'a', ''), ('b', 'b', ''), ('', '', '"string value"')]
if __name__ == '__main__':
re_greey_id()和，java中的效果一样，也还是无法自动忽略掉defineValue
3.然后又去加上\b，然后结果是：
testString = 'a+defineValue(a,b, "string value")';
findAllId = re.findall('((?P<id>[_a-zA-Z]\w*)\b(?!\())|(?P<str>"[^"]+?")', testString);
print "findAllId=",findAllId; #findAllId= [('', '', '"string value"')]即，虽然可以自动忽略掉了defineValue，但是却也把其他的，正常的id，即a,a,b都忽略掉了，所以，变得更加不正常了。
4.然后以为是不是findall有问题。
所以去试试re.search，结果是：
import re;
def re_greey_id():
testString = 'defineValue(a,';
findSingleId = re.search('((?P<id>[_a-zA-Z]\w*)\b(?!\())|(?P<str>"[^"]+?")', testString);
print "findSingleId=",findSingleId; #findSingleId= None很明显，也不正常，本来应该是可以找到a的，不应该是None的。
感觉，貌似是Python中，\b的含义，有点问题啊。
5.再去试试，re.search，结果得到和re.findall类似的结果：
def re_greey_id():
testString = 'defineValue(a,';
findSingleId = re.search('(?P<id>[_a-zA-Z]\w*)(?!\()', testString);
print "findSingleId.group('id')=",findSingleId.group('id'); #findSingleId.group('id')= defineValu6.以为是嫌弃字母少了，所以改a为abc，结果还是不行：
testString = 'defineValue(abc,';
findSingleId = re.search('(?P<id>[_a-zA-Z]\w*)\b(?!\()', testString);
print "findSingleId=",findSingleId; #findSingleId= None7.本来以为，或许\b无法正确处理左括号'(‘?
但是，再去看python 2.7.5的\b的解释：
很明显是可以正常支持括号的。
8.后来注意到：
所以，再去试试，结果就是正确的了：
testString = 'defineValue(a,';
findSingleId = re.search(r'(?P<id>[_a-zA-Z]\w*)\b(?!\()', testString);
print "findSingleId.group('id')=",findSingleId.group('id'); #findSingleId.group('id')= a9.反过来，再去试试re.findall，结果也就对了：
testString = 'a+defineValue(a,b, "string value")';
findAllId = re.findall(r'(\b([_a-zA-Z]\w*)\b(?!\())|("[^"]+?")', testString);
print "findAllId=",findAllId; #findAllId= [('a', 'a', ''), ('a', 'a', ''), ('b', 'b', ''), ('', '', '"string value"')]即：
即可以自动忽略掉defineValue，又可以正常捕获到几个id，或字符串了。
10.也在python中试试，两个反斜杠的效果，看看如何：
testString = 'a+defineValue(a,b, "string value")';
findAllId = re.findall('(([_a-zA-Z]\w*)\\b(?!\())|("[^"]+?")', testString);
print "findAllId=",findAllId; #findAllId= [('a', 'a', ''), ('a', 'a', ''), ('b', 'b', ''), ('', '', '"string value"')]很明显，也是可以的。
【总结】
之前，不论是java中，还是python中，对于正则中的\b==boundary，还真是用的不多。
所以，之前最开始遇到上述问题，没有想到用\b去解决。
然后现在用了\b后，java中是直接可以用\\b就可以了。
但是在python中，没注意，如果是普通字符串写法的正则，则\b是表示backspace的。
所以，想要在python的正则中用\b==boundary的话，则需要加上\r前缀或者对于\b本身写成\\b，就可以了。
转载请注明：在路上 » 【研究】java和python中的正则的贪婪匹配