如何用正则表达式提取C语言中foo_t枚举的键值对

问题分析 #

你用的正则(?\w+\s*=\s*\d+,*\s*)+}foo_t只抓到最后一行键值对，核心问题是重复捕获组只会保留最后一次匹配结果，而且正则没有限定枚举块的范围，也没处理注释和换行。

正确思路 #

先定位foo_t对应的整个枚举块，再从块内提取所有键值对，这样不管枚举在文件哪个位置都能精准匹配。

分步实现（以Python为例） #

1. 匹配foo_t的完整枚举块：用单行模式(?s)让.匹配换行，精准锁定从typedef enum到}foo_t;的内容
2. 提取块内键值对：在匹配到的块里，抓取所有符合标识符 = 数字格式的行

import re

# 示例源码
source = """
typedef enum
{
    /** comment */
   A    = 1,
    /** comment */
   B    = 2,
}foo_t;

typedef enum
{
    /** comment */
   A    = 1,
    /** comment */
   B    = 2,
}bar_t;
"""

# 1. 捕获foo_t的整个枚举块
foo_block = re.search(r'(?s)typedef enum\s*\{\s*.*?\s*\}foo_t;', source).group()
# 2. 提取所有键值对
kv_list = re.findall(r'\w+\s*=\s*\d+,?', foo_block)

print(kv_list)
# 输出：['A    = 1,', 'B    = 2,']

单正则直接提取（进阶） #

如果想用单正则一次性提取所有键值对，可以用正向预查锁定foo_t块，再全局匹配：

(?s)(?<=typedef enum\s*\{\s*(?:/\*\*.*?\*/\s*)*)\w+\s*=\s*\d+,?(?=(?:\s*/\*\*.*?\*/)*\s*\}foo_t;)

不过分步实现更易读和维护。

原正则问题详解 #

原正则里的(\w+\s*=\s*\d+,*\s*)+是重复捕获组，正则引擎会不断覆盖捕获组的内容，最终只保留最后一次匹配的B = 2,，这就是A键值对缺失的原因。

内容的提问来源于stack exchange，提问作者Clément