正则表达式：字符串开头不符合预期

Question

我正在解析（通过正则表达式）由ARM链接程序生成的.map文件。 我已经提取了几乎所有内容，但是本节内容有所抵触。

这是我要解析的部分的摘录

COMMON         0x20002b18        0x1 ./2_Programa/source/board.o
               0x20002b18                BOARD_ctx
COMMON         0x20002b19       0x87 ./2_Programa/source/interface_objects.o
               0x20002b19                GLB_appIntObjPropChangeFlags
               0x20002b1a                GLB_aioBLCommand
               0x20002b65                GLB_aioDateTime
COMMON         0x20002ba0       0x31 ./2_Programa/source/objects.o
               0x20002ba0                GLB_goFlags
*fill*         0x20002bd1        0x3 

这是我最好的正则表达式尝试：

^ COMMON\s+(0x\S+)\s+(0x\S+).*(?:\s+(0x\S+)\s+(\S+)[\r\n])*(?:\s+\*fill\*\s+0x\S+\s+(0x\S+))?

可在此处检查结果 。 我得到的结果仅与该块的最后一行匹配（当它以COMMON开头时，我认为是一个块）。

我需要提取的内容与此类似：

[{
    'name': 'GLB_appIntObjPropChangeFlags',
    'size': 0x01,
    'path': './2_Programa/source/interface_objects.o',
    'origin': 0x20002b19
},
{
    'name': 'GLB_aioBLCommand',
    'size': 0x87,
    'path': './2_Programa/source/interface_objects.o',
    'origin': 0x20002b1a
},
...
]

我的主要问题是我无法分隔第一行

COMMON 0x20002b19 0x87 ./2_Programa/source/interface_objects.o`

与之相关的其他人

        0x20002b19                GLB_appIntObjPropChangeFlags
        0x20002b1a                GLB_aioBLCommand
        0x20002b65                GLB_aioDateTime

任何人都可以给一些提示以解决这个问题吗？

更新

我想做的是将所有块（以COMMON开头的块）分成两部分。 第一组：

COMMON 0x20002b19 0x87 ./2_Programa/source/interface_objects.o`

和第2组：

        0x20002b19                GLB_appIntObjPropChangeFlags
        0x20002b1a                GLB_aioBLCommand
        0x20002b65                GLB_aioDateTime

然后，我可以分别对每个组进行正则表达式：

第1组的正则表达式：

^ COMMON\s+(0x\S+)\s+(\S+)\s+(\S+)

第二组（设置多行标志）：

^\s+(0x\S+)\s+(\S+)

结果，我将从第一个正则表达式中获得三组，而其他六组（每行每三行2个）可以很容易地转换成如上所示的dict列表。

Answer 1

简要

实际上，您应该抓住WiktorStribiżew在您的问题下的注释中提到的每个COMMON块。 在此处链接到Wiktor的正则表达式。 正则表达式没有能力遍历子查询（这不是其目的）。

不切实际地，您可以使用此正则表达式获取每个COMMON节及其后续块，然后进行映射。

---

码

查看正则表达式在这里使用

(?:COMMON\s+0x[0-9a-f]+\s+(0x[0-9a-f]+)\s+(\S+)|\s*(0x[0-9a-f]+)\s+(\S+))(?=\s*[\r\n])

---

说明

• COMMON\\s+0x[0-9a-f]+\\s+(0x[0-9a-f]+)\\s+(\\S+)选项1
  • COMMON\\s+0x[0-9a-f]+\\s+
    • COMMON的字符COMMON字面上
    • \\s+一个或多个空格字符
    • 0x这些字符从字面上看是0x
    • [0-9a-f]+的一个或集合中的多个字符的0-9a-f
    • \\s+一个或多个空格字符\\s+
  • (0x[0-9a-f]+)将以下内容捕获到捕获组1中
    • 0x这些字符从字面上看是0x
    • [0-9a-f]+的一个或集合中的多个字符的0-9a-f
  • \\s+一个或多个空格字符
  • (\\S+)一个或多个非空白字符捕获到捕获组2中
• \\s*(0x[0-9a-f]+)\\s+(\\S+)选项2
  • \\s*任意数量的空格字符
  • (0x[0-9a-f]+)将以下内容捕获到捕获组3中
    • 0x这些字符从字面上看是0x
    • [0-9a-f]+的一个或集合中的多个字符的0-9a-f
  • \\s+一个或多个空格字符
  • (\\S+)一个或多个非空白字符捕获到捕获组4中
• (?=\\s*[\\r\\n])确保紧随其后的是任意数量的空格字符，后跟换行符\\r\\n

---

用法

根据匹配的顺序及其所属的组，您可以将它们映射为所呈现的数组。

例如（按比赛顺序）。

• 第一组
  • 组1 0x1
  • 第2组 ./2_Programa/source/board.o
  • 组3 0x20002b18
  • 第4组BOARD_ctx
• 第二组
  • 组1 0x87
  • 组2 ./2_Programa/source/interface_objects.o
  • 组3 0x20002b19
  • 第4组GLB_appIntObjPropChangeFlags
  • 组3 0x20002b1a
  • 第4组GLB_aioBLCommand
  • 组3 0x20002b65
  • 第4组GLB_aioDateTime
• 等等

始终将组1和组2的最后一场比赛与组3和组4的当前比赛相关联