多行正則表達式匹配檢索行號和匹配

Question

我正在嘗試遍歷文件中的所有行以匹配可能的模式；

1. 出現在文件的任何地方
2. 在同一個文件中多次出現
3. 在同一行多次出現
4. 對於一個正則表達式模式，我正在搜索的字符串可以分布在多行中

一個示例輸入是；

new File()
new
File()
there is a new File()
new
    
    
    
File()
there is not a matching pattern here File() new
new File() test new File() occurs twice on this line

示例 output 將是；

new File() Found on line 1  
new File() Found on lines 2 & 3 
new File() Found on line 4 
new File() Found on lines 5 & 9 
new File() Found on line 11
new File() Found on line 11 
6 occurrences of new File() pattern in test.txt (Filename)

正則表達式模式看起來像；

pattern = r'new\s+File\s*\({1}\s*\){1}'

查看此處的文檔，我可以看到 match、findall 和 finditer 都在字符串的開頭返回匹配項，但我沒有看到使用搜索 function 的方法，該搜索在任何位置查找我們正在搜索的字符串的正則表達式for 超過多行（上面我的要求中的第四個）。

足夠簡單，可以匹配每行不止一次出現的正則表達式；

示例輸入：

line = "new File() new File()"

代碼：

i = 0
matches = []
while i < len(line):
    while line:
        matchObj = re.search(r"new\s+File\s*\({1}\s*\){1}", line, re.MULTILINE | re.DOTALL)
        if matchObj:
            line = line[matchObj.end():]
            matches.append(matchObj.group())

print(matches)

打印以下匹配項 - 目前不包括行號等：

['new File()', 'new File()']

有沒有辦法用 Python 的正則表達式來做我正在尋找的東西？

Answer 1

您可以首先找到文本中的所有\n字符及其各自的位置/字符索引。 由於每個\n ...well... 開始一個新行，因此此列表中每個值的索引表示找到的\n字符終止的行號。 然后搜索所有出現的模式並使用上述列表查找匹配的開始/結束 position ...

import re
import bisect

text = """new 
File()
aa new File()
new
File()
there is a new File() and new
File() again
new
    
    
    
File()
there is not a matching pattern here File() new
new File() test new File() occurs twice on this line
"""

# character indices of all \n characters in text
nl = [m.start() for m in re.finditer("\n", text, re.MULTILINE|re.DOTALL)]

matches = list(re.finditer(r"(new\s+File\(\))", text, re.MULTILINE|re.DOTALL))
match_count = 0
for m in matches:
    match_count += 1
    r = range(bisect.bisect(nl, m.start()-1), bisect.bisect(nl, m.end()-1)+1)
    print(re.sub(r"\s+", " ", m.group(1), re.DOTALL), "found on line(s)", *r)
print(f"{match_count} occurrences of new File() found in file....")

output：

new File() found on line(s) 0 1
new File() found on line(s) 2
new File() found on line(s) 3 4
new File() found on line(s) 5
new File() found on line(s) 5 6
new File() found on line(s) 7 8 9 10 11
new File() found on line(s) 13
new File() found on line(s) 13
8 occurrences of new File() found in file....

Answer 2

可以先統計匹配前的換行數，再統計匹配值中的換行數，合並行號：見Python演示：

import re
s='new File()\nnew\nFile()\nthere is a new File()\nnew\n \n \n \nFile()\nthere is not a matching pattern here File() new\nnew File() test new File() occurs twice on this line'
pattern = r'new\s+File\s*\(\s*\)'
for m in re.finditer(pattern, s):
    linenums = [s[:m.start()].count('\n') + 1]
    for _ in range(m.group().count('\n')):
        linenums.append(linenums[-1] + 1)
    print('{} Found on line {}'.format(re.sub(r'\s+', ' ', m.group()), ", ".join(map(str,linenums))))

請參閱在線 Python 演示。

Output：

new File() Found on line 1
new File() Found on line 2, 3
new File() Found on line 4
new File() Found on line 5, 6, 7, 8, 9
new File() Found on line 11
new File() Found on line 11