sre-yield 1.2

快速入门

sre_yield的目标是高效地生成给定正则表达式可以匹配的所有值，或者高效地计算可能的匹配项。它使用解析的正则表达式，因此您得到的结果比尝试仅分割字符串要准确得多。

>>> s = 'foo|ba[rz]'
>>> s.split('|')  # bad
['foo', 'ba[rz]']

>>> import sre_yield
>>> list(sre_yield.AllStrings(s))  # better
['foo', 'bar', 'baz']

它通过遍历由sre_parse（与re模块内部使用的相同）构建的树来完成此操作，并根据需要构建链式/重复迭代器。尽管如此，根据您的输入字符串，可能会有重复的结果 - 这些是sre_parse没有优化的情况。

>>> import sre_yield
>>> list(sre_yield.AllStrings('.|a', charset='ab'))
['a', 'b', 'a']

...并且在简单的情况下也会发生

>>> list(sre_yield.AllStrings('a|a'))
['a', 'a']

特殊情况

成员检查'abc' in values_obj 必须是完整匹配 - 它必须覆盖整个字符串。想象一下它周围有^(...)$。因为re.search可以在任意字符串的任何位置匹配，模拟这将产生大量垃圾匹配 - 这可能不是您想要的。（如果您想要这样，请在两边添加.*。）

下面是一个快速示例，使用来自http://xkcd.com/1313/的总统正则表达式

>>> s = 'bu|[rn]t|[coy]e|[mtg]a|j|iso|n[hl]|[ae]d|lev|sh|[lnd]i|[po]o|ls'

>>> import re
>>> re.search(s, 'kennedy') is not None  # note .search
True
>>> v = sre_yield.AllStrings(s)
>>> v.__len__()
23
>>> 'bu' in v
True
>>> v[:5]
['bu', 'rt', 'nt', 'ce', 'oe']

如果您确实想要模拟搜索，您会很快得到大量匹配项。限制一些重复可以帮助，但它仍然是一个非常大的数字。

>>> v2 = sre_yield.AllStrings('.{,30}(' + s + ').{,30}')
>>> el = v2.__len__()  # too big for int
>>> print(str(el).rstrip('L'))
57220492262913872576843611006974799576789176661653180757625052079917448874638816841926032487457234703154759402702651149752815320219511292208238103
>>> 'kennedy' in v2
True

捕获组

如果您对在生成值时提取会匹配的内容感兴趣，您可以使用AllMatches而不是来获取Match对象。

>>> v = sre_yield.AllMatches(r'a(\d)b')
>>> m = v[0]
>>> m.group(0)
'a0b'
>>> m.group(1)
'0'

这甚至适用于简单的后向引用，在这种情况下是要匹配引号。

>>> v = sre_yield.AllMatches(r'(["\'])([01]{3})\1')
>>> m = v[0]
>>> m.group(0)
'"000"'
>>> m.groups()
('"', '000')
>>> m.group(1)
'"'
>>> m.group(2)
'000'

报告错误等

我们欢迎错误报告 - 请参阅我们的问题跟踪器GitHub，以查看是否已报告过。如果您想讨论任何事情，我们还有一个谷歌群组。

相关模块

我们了解三个类似模块，但每个模块的目标都不同。

>>> import random
>>> v = sre_yield.AllStrings('[abc]{1,4}')
>>> len(v)
120

# Now random.choice(v) has a 3/120 chance of choosing a single letter.
>>> len([x for x in v if len(x) == 1])
3

# xeger(v) has ~25% chance of choosing a single letter, because the length
and match are chosen independently.
# (This doesn't run, so the doctests don't require xeger)
> from rstr import xeger
> sum([1 if len(xeger('[abc]{1,4}')) == 1 else 0 for _ in range(120)])
26

sre_yield与re模块之间的差异

当然，有一些有效的正则表达式sre_yield无法处理。这些包括诸如后视、后向引用等，但也包括一些其他异常

• 重复的最大值取决于系统 - 在CPython的sre模块中，有一个特殊值被处理为无限大（取决于构建，为2**16-1或2**32-1）。在sre_yield中，这被视为一个字面值，而不是无限大，因此（在2**16-1平台上）

  >>> len(sre_yield.AllStrings('a*')[-1])
  65535
  >>> import re
  >>> len(re.match('.*', 'a' * 100000).group(0))
  100000

• re模块的文档说“正则表达式模式字符串可能不包含空字节”，但这似乎运行良好。

• 顺序不依赖于贪婪性。

• 正则表达式被视为fullmatch。

• sre_yield被复杂的锚点使用所困惑，但支持简单的使用

  >>> list(sre_yield.AllStrings('foo$'))
  ['foo']
  >>> list(sre_yield.AllStrings('^$'))
  ['']
  >>> list(sre_yield.AllStrings('.\\b.'))  # doctest: +IGNORE_EXCEPTION_DETAIL
  Traceback (most recent call last):
  ...
  ParseError: Non-end-anchor None found at END state