Python中如何用正则重复匹配解析Object格式字符串？

需要解析格式固定的长字符串，示例字符串如下：

'''Object{identifier='d6e461c5-fd55-42cb-b3e8-40072670fd0f', name='some_name2', identifier='d6e461c5-fd55-42cb-b3e8-40072670fd0f', name='some_name3', value=value_without_quotes}'''

目标是提取所有键值对，整理为如下格式的列表：

["'identifier', ''d6e461c5-fd55-42cb-b3e8-40072670fd0f''", "'name', ''some_name2''", "'identifier', ''d6e461c5-fd55-42cb-b3e8-40072670fd0f''", "'name', ''some_name3''", "'value', 'value_without_quotes'"]

此前尝试的正则表达式（如r'Object{(+?)=(+?)}'、re.match(r'Object{((.+?)=(.+?),?)+}', line3).groups()）无法正确匹配所有键值对：要么仅能匹配单个，要么返回错误的组合。且值可能包含引号、符号或数字，需要实现连续重复匹配。

1. 核心正则思路 #

先剥离外层的Object{}结构，再匹配内部每一组key=value。针对值的两种类型（带单引号/不带引号）设计匹配规则：

• 带单引号的值：匹配从'开始，到未被转义的'结束的内容（支持值内包含转义单引号，如'it\'s valid'）
• 不带引号的值：匹配到下一个逗号或右大括号为止

对应的正则表达式：

r'(\w+)=(\'[^\'\\]*(?:\\.[^\'\\]*)*\'|[^,}]+)'

各部分解释：

• (\w+)：匹配键名（字母、数字、下划线组成）
• =：匹配键值分隔符
• 二选一匹配规则：
  • \'[^\'\\]*(?:\\.[^\'\\]*)*\'：处理带单引号的值，兼容转义字符
  • [^,}]+：处理不带引号的值，终止于逗号或右大括号

2. 完整代码实现 #

import re

input_str = '''Object{identifier='d6e461c5-fd55-42cb-b3e8-40072670fd0f', name='some_name2', identifier='d6e461c5-fd55-42cb-b3e8-40072670fd0f', name='some_name3', value=value_without_quotes}'''

# 提取Object{}内部的核心内容
inner_content = re.search(r'Object\{(.*)\}', input_str).group(1)

# 匹配所有键值对
matches = re.findall(r'(\w+)=(\'[^\'\\]*(?:\\.[^\'\\]*)*\'|[^,}]+)', inner_content)

# 整理为目标格式的列表
result = [f"'{key}', ''{value}''" if value.startswith("'") else f"'{key}', '{value}'" for key, value in matches]

print(result)

运行后输出与目标一致：

["'identifier', ''d6e461c5-fd55-42cb-b3e8-40072670fd0f''", "'name', ''some_name2''", "'identifier', ''d6e461c5-fd55-42cb-b3e8-40072670fd0f''", "'name', ''some_name3''", "'value', 'value_without_quotes'"]

3. 此前正则失败的原因 #

• r'Object{(+?)=(+?)}'：存在语法错误（+?前无匹配内容），且仅能匹配单个键值对，无法处理多组数据。
• re.match(r'Object{((.+?)=(.+?),?)+}', line3).groups()：重复捕获组只会保留最后一次匹配的结果，groups()无法返回所有键值对；改用findall可直接获取全部匹配项。

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