如何在Python中用正则表达式匹配代码块内指定内容？

问题场景 #

我有一个由多个代码块组成的长文件，每个代码块以x=数字开头，块之间以空行分隔，示例如下：

x=0
abc 20    
def 76   
ghi 11

x=1
def 45
ghi 32

x=2
jkl 56
mno 76
abc 134

.
.
.

x=393
xyz 21
abc 9

x=394
ghi 43
def 166
xyz 25

需要编写Python正则表达式，实现以下输出：

return_list = [20,'x',134,...,9,'x']

要求：每个代码块中若存在abc，则匹配abc后的整数；若不存在，则匹配块开头的'x'。各代码块的行数不固定。已写出正则表达式(?ms)(?=x=\d).*?(?=\n\n)可单独匹配每个代码块，但不知如何扩展实现需求。

解决方案 #

核心思路 #

利用正则的优先匹配特性，在每个代码块中优先捕获abc后的数字；如果代码块中没有abc，则返回固定字符串'x'。基于你已有的块匹配逻辑，扩展成能直接提取目标内容的表达式。

代码实现 #

import re

# 替换为你的实际文件内容
input_text = """x=0
abc 20    
def 76   
ghi 11

x=1
def 45
ghi 32

x=2
jkl 56
mno 76
abc 134

x=393
xyz 21
abc 9

x=394
ghi 43
def 166
xyz 25
"""

# 正则表达式：匹配每个代码块，优先捕获abc后的数字
pattern = r'(?ms)(?:x=\d+.*?abc (\d+)|x=\d+(?:(?!abc).)*)(?=\n\n|\Z)'

# 提取结果并格式化
raw_matches = re.findall(pattern, input_text)
return_list = [int(match) if match else 'x' for match in raw_matches]

print(return_list)
# 输出结果：[20, 'x', 134, 9, 'x']

正则表达式详解 #

• (?ms)：开启多行模式（m）和单行模式（s），让.可以匹配换行符，确保能覆盖整个代码块
• (?:x=\d+.*?abc (\d+)|...)：非捕获组，分两种匹配分支：
  1. x=\d+.*?abc (\d+)：匹配代码块开头的x=数字，然后非贪婪匹配到abc，捕获其后的整数
  2. x=\d+(?:(?!abc).)*：匹配代码块开头的x=数字，然后通过负向预查(?!abc)确保后续内容不包含abc，匹配整个无abc的代码块
• (?=\n\n|\Z)：正向预查，匹配块分隔的空行或文本结尾，确保每个匹配都是完整的代码块

注意事项 #

• 如果代码块内部可能出现空行，可以调整边界判断逻辑，但根据你的示例场景，当前表达式足够适用
• 若不需要将数字转为整数，直接保留字符串形式即可，去掉列表推导中的int()转换

内容的提问来源于stack exchange，提问作者Fox-MSVI