匹配任意分割多行的字符串

Question

在正则表达式中是否有一种方法可以匹配任意分割为多行的字符串 - 比如我们在文件中有以下格式：

msgid "This is "
"an example string"
msgstr "..."

msgid "This is an example string"
msgstr "..."

msgid ""
"This is an " 
"example" 
" string"
msgstr "..."

msgid "This is " 
"an unmatching string" 
msgstr "..."

因此，我们希望有一个匹配所有示例字符串的模式，即：匹配字符串，无论它是如何跨行分割的。 请注意，我们在示例中显示的特定字符串之后，而不仅仅是任何字符串。 所以在这种情况下，我们希望匹配字符串"This is an example string" 。

当然我们可以轻松地连接字符串然后应用匹配，但让我想知道这是否可能。 我正在谈论Python正则表达式，但一般的答案是可以的。

Answer 1

你想要匹配一系列单词吗？ 如果是这样，你可以查找中间只有空格（\\ s）的单词，因为\\ s匹配换行符和空格。

import re

search_for = "This is an example string"
search_for_re = r"\b" + r"\s+".join(search_for.split()) + r"\b"
pattern = re.compile(search_for_re)
match = lambda s: pattern.match(s) is not None

s = "This is an example string"
print match(s), ":", repr(s)

s = "This is an \n example string"
print match(s), ":", repr(s)

s = "This is \n an unmatching string"
print match(s), ":", repr(s)

打印：

True : 'This is an example string'
True : 'This is an \n example string'
False : 'This is \n an unmatching string'

Answer 2

由于需要在每一行上引用，以及空行的容差，这有点棘手。 这是一个与您正确发布的文件匹配的正则表达式：

'(""\n)*"This(( "\n(""\n)*")|("\n(""\n)*" )| )is(( "\n(""\n)*")|("\n(""\n)*" )| )an(( "\n(""\n)*")|("\n(""\n)*" )| )example(( "\n(""\n)*")|("\n(""\n)*" )| )string"'

这有点令人困惑，但它只是你要匹配的字符串，但它始于：

(""\n)*"

并用以下内容替换每个单词之间的空格：

(( "\n(""\n)*")|("\n(""\n)*" )| )

它检查每个单词后面的三种不同的可能性，“空格，引号，换行符，（无限数量的空字符串）引用”，或者相同的序列，但更多的空间到最后，或只是一个空格。

一个更容易实现这个工作的方法是编写一个小函数，它将接收你想要匹配的字符串并返回与之匹配的正则表达式：

def getregex(string):
    return '(""\n)*"' + string.replace(" ", '(( "\n(""\n)*")|("\n(""\n)*" )| )') + '"'

所以，如果你有一个名为“filestring”的字符串中的文件，你会得到这样的匹配：

import re

def getregex(string):
    return '(""\n)*"' + string.replace(" ", '(( "\n(""\n)*")|("\n(""\n)*" )| )') + '"'

matcher = re.compile(getregex("This is an example string"))

for i in matcher.finditer(filestring):
    print i.group(0), "\n"

>>> "This is "
    "an example string"

    "This is an example string"

    ""
    "This is an "
    "example"
    " string"

这个正则表达式没有考虑你在第三个msgid中的“示例”之后的空间，但我认为这是由机器生成的，这是一个错误。