Question

x = "type='text'"
re.findall("([A-Za-z])='(.*?)')", x) # this will work like a charm and produce
                                     # ['type', 'text']

但是，我的问题是我想实现一个管道（交替），以便相同的正则表达式适用于

x = 'type="text"' # see the quotes

基本上，以下正则表达式应该可以工作，但是findall会导致一些奇怪的事情：

([A-Za-z])=('(.*?)')|"(.*?)")

而且我不能使用['“]代替管道，因为它可能以不良结果结束：

value="hey there what's up?"

现在，我如何构建适用于单引号或双引号的正则表达式？顺便说一句，请不要建议任何html或xml解析器，因为我对它们不感兴趣。

Answer 1

shlex会在这里做得更好，但如果你坚持re，请使用([A-Za-z]+)=(?P<quote>['"])(.+?)(?P=quote)

Answer 2

问题是，在([A-Za-z]+)=('(.*?)'|"(.*?)")中你有四个组而你只需要两个（这可能是你发现结果奇怪的地方）。如果您使用([A-Za-z]+)=('.*?'|".*?")那么应该没问题。请注意，您可以通过(?:)排除分组，因此这相当于：([A-Za-z]+)=('(?:.*?)')|"(?:.*?)")。

编辑：我刚刚意识到这个解决方案会包含您不想要的周围引号。你可以轻松剥离它们。你也可以使用反向引用，但是你会有一个额外的组，最后应该删除它们，例如：

import re
from operator import itemgetter

x = "type='text' TYPE=\"TEXT\""
print map(itemgetter(0,2), re.findall("([A-Za-z]+)=(['\"])(.*?)\\2", x))

给出[('type', 'text'), ('TYPE', 'TEXT')]。

python findall，group和pipe

2 个答案: