正则表达式匹配问题：按path:line:col分割错误日志并完整匹配内容

问题分析 #

原正则的核心问题在于匹配范围控制不精准：

• 前瞻规则(?=^.*:[0-9]*:[0-9]*|\Z)无法准确界定下一个条目的起始位置
• .+?[ ]+强制限制换行且匹配内容有限，导致无法包含完整的代码提示行
• 行号/列号用[0-9]*允许空值，不符合日志的实际格式规范

修正后的正则代码 #

re_comp = re.compile(
    r"^(?P<path>.*?):(?P<line>\d+):(?P<column>\d+): "
    r"(?P<type>error|warning): "
    r".*?(?=^.*?:\d+:\d+: |\Z)",
    re.MULTILINE | re.DOTALL
)

关键修正点 #

• 移除path捕获组的可选符号?，确保仅匹配以path:line:col:开头的有效条目
• 将[0-9]*替换为\d+，保证行号和列号为至少一位的有效数字
• 用.*?替代.+?[ ]+，配合精准前瞻(?=^.*?:\d+:\d+: |\Z)，实现从当前条目开头到下一个条目起始前所有内容（包括多行代码提示）的非贪婪匹配
• 前瞻规则明确匹配下一个条目的起始模式^.*?:\d+:\d+: ，彻底避免跨条目匹配

效果示例 #

对于如下错误日志：

file1.py:10:5: error: Undefined variable 'x'
    print(x)
file2.py:20:3: warning: Unused variable 'y'
    y = 5

修正后的正则会生成两个独立匹配：

1. 第一个结果：file1.py:10:5: error: Undefined variable 'x'\n print(x)（包含错误行和对应代码提示）
2. 第二个结果：file2.py:20:3: warning: Unused variable 'y'\n y = 5（完整的第二个错误条目）

内容的提问来源于stack exchange，提问作者Mike van Dyke