如何用pyparsing定义总长度固定的a^m b^n表达式？

问题描述 #

需要定义匹配格式为a<sup>m</sup>b<sup>n</sup>的表达式，满足以下约束：

• m + n = t（t为固定值）
• 0 ≤ m ≤ t - 1
• 1 ≤ n ≤ t

现有实现通过Char('a')[0, t-1] + Char('b')[1, t]并添加长度校验，但由于pyparsing的贪婪匹配特性，校验失败时不会回溯尝试更少的字符匹配，导致解析类似abbbb（t=4）的字符串时抛出异常，无法得到期望的['abbb', 'b']结果。当前可行但冗长的写法是生成所有可能的a^m + b^(t-m)分支并通过Or组合，现寻求更简洁的实现方式。

简洁解决方案：使用正则表达式 #

利用pyparsing的Regex结合正向前瞻，可以直接匹配符合长度约束的目标字符串，无需生成大量分支：

from pyparsing import Regex, Combine, OneOrMore, Char

def ab(t):
    # 正向前瞻确保总长度为t，然后匹配0到t-1个a + 1到t个b
    regex_pattern = rf'(?=.{{{t}}})a{{0,{t-1}}}b{{1,{t}}}'
    return Combine(Regex(regex_pattern))

# 测试示例
grammar = OneOrMore(ab(4) | Char('b')).set_name('grammar')
result = grammar.parse_string('abbbb', parse_all=True)
print(result)  # 输出: ['abbb', 'b']

方案说明 #

• (?=.{{t}})是正则正向前瞻断言，确保当前位置开始的字符串长度恰好为t，从根源上约束总长度。
• a{{0,{t-1}}}b{{1,{t}}}匹配0到t-1个a，后续紧跟1到t个b，结合前瞻断言，自动保证m + n = t的约束。
• 正则表达式会自动尝试所有合法的a、b数量组合，避免了原代码贪婪匹配不回溯的问题。

原代码问题分析 #

原代码中Char('a')[0, t-1] + Char('b')[1, t]的贪婪匹配逻辑会优先匹配最多的a和b，导致总长度超过t，触发条件校验失败后，pyparsing不会回溯尝试减少b的匹配数量，最终导致整个ab(t)匹配失败，进而无法解析目标字符串。

内容的提问来源于stack exchange，提问作者InSync