如何编写/修正正则表达式以匹配模板引擎中[%与]范围内的目标属性（含多运算符及无等号场景）

我来帮你搞定这个模板属性提取的问题！针对你提到的两种提取需求（带运算符的条件属性、大小写转换指令后的属性），我们可以通过分阶段正则匹配的方式精准实现，完美处理空格、嵌套括号这些复杂场景。

整体思路 #

1. 先把所有[%...]格式的模板指令块从HTML中提取出来，完全避开HTML自身的class/id等属性；
2. 对每个指令块，分别匹配两种类型的属性：
   • 条件语句（if/elseif）中，运算符（=/<=/>=/!=）前的属性；
   • uppercase/lowercase指令后的属性。

具体正则与实现 #

第一步：提取所有模板指令块

用非贪婪匹配提取[%和]之间的内容，避免把多个指令块合并成一个：

\[\%(.*?)\]

第二步：匹配条件语句中的属性

这个正则专门捕捉条件里的属性，支持属性和运算符之间有任意空格，也能处理嵌套括号里的属性：

(?:\(|\s)(\w+)\s*(?:=|<=|>=|!=)

• (?:\(|\s)：匹配属性的前置分隔符（左括号或空格），非捕获组不会干扰结果；
• (\w+)：捕获属性名（假设属性由字母、数字、下划线组成，符合你示例里的命名规则）；
• \s*：匹配属性和运算符之间的0到多个空格；
• (?:=|<=|>=|!=)：匹配目标运算符，非捕获组只做匹配不捕获。

第三步：匹配大小写转换指令的属性

这个正则精准捕捉uppercase/lowercase后面的属性，支持指令和属性之间的空格：

\b(?:uppercase|lowercase)\s*(\w+)\b

• \b：单词边界，避免误匹配类似uppercaseabc这种错误格式；
• (?:uppercase|lowercase)：匹配指令关键字；
• \s*：匹配关键字和属性之间的任意空格；
• (\w+)：捕获属性名。

示例代码（Python） #

把上面的正则整合起来，用代码实现提取：

import re

# 你的模板内容
template = '<html> <body> <h1 class="title">Some Title</h1> <div id="output"> [%if findthis1=\'123\'] Bla bla bla ["findthis2"] Bla Bla Bla [%elseif (findthis3 = "123")] Bla Bla Bla [\'findthis4\'] Bla Bla Bla [%elseif ( findthis5 = "123" )] Bla Bla Bla [findthis6] Bla Bla Bla [%elseif ( findthis7 = "123" OR findthis8 = 123 ) AND findthis9=\'123\'] [findthis10] Bla Bla Bla [%elseif ( findthis11 = "123" OR ( findthis12=123 AND findthis13=\'123\' ) ] Bla Bla Bla [findthis14] [%endif] [%uppercase findthis15] [%lowercase findthis16 ] </div> </body> </html>'

# 1. 提取所有[%...]指令块
block_pattern = re.compile(r'\[\%(.*?)\]')
blocks = block_pattern.findall(template)

# 2. 定义属性匹配正则
condition_attr_re = re.compile(r'(?:\(|\s)(\w+)\s*(?:=|<=|>=|!=)')
case_attr_re = re.compile(r'\b(?:uppercase|lowercase)\s*(\w+)\b')

# 收集所有属性（用集合去重）
all_attributes = set()

for block in blocks:
    # 提取条件属性
    condition_attrs = condition_attr_re.findall(block)
    all_attributes.update(condition_attrs)
    # 提取大小写转换属性
    case_attrs = case_attr_re.findall(block)
    all_attributes.update(case_attrs)

# 输出结果
print("提取到的属性：", sorted(all_attributes))

运行后会得到结果：

提取到的属性： ['findthis1', 'findthis10', 'findthis11', 'findthis12', 'findthis13', 'findthis15', 'findthis16', 'findthis3', 'findthis5', 'findthis7', 'findthis8', 'findthis9']

为什么之前的正则失效？ #

你之前用的正则过于贪婪，且没有明确属性名的匹配规则，导致误匹配了很多无关内容。现在我们用\w+明确属性名的格式，结合前置分隔符（括号/空格），既能精准捕获目标属性，又能避开HTML自身的属性。

内容的提问来源于stack exchange，提问作者user3033043