如何用re.findall从含嵌套{}的字符串中提取数据？

我有如下字符串（文件）：

s = '''
\newcommand{\commandName1}{This is first command}

\newcommand{\commandName2}{This is second command with {} brackets inside
in multiple lines {} {}
}

\newcommand{\commandName3}{This is third, last command}

'''

我希望使用Python的re包将数据提取为字典，其中key是命令名（\commandName1、\commandName2和\commandName3），值分别为This is first command、This is second command with {} brackets inside in multiple lines {} {}和This is third, last command。

我尝试了如下代码：

re.findall(r'\\newcommand{(.+)}{(.+)}', s)

但由于第二个命令内部包含{}，该代码无法正常工作，请问最简单的解决方法是什么？

解决方法 #

原代码失效的原因是.+属于贪婪匹配，且无法识别嵌套的括号结构。要处理包含内层{}的内容，需要用递归正则表达式来匹配成对的括号。

直接使用以下代码即可实现需求：

import re

s = '''
\newcommand{\commandName1}{This is first command}

\newcommand{\commandName2}{This is second command with {} brackets inside
in multiple lines {} {}
}

\newcommand{\commandName3}{This is third, last command}

'''

# 构建支持嵌套括号匹配的正则模式
pattern = r'\\newcommand{(\\\w+)}{((?:[^{}]|{(?:[^{}]|{[^{}]*})*})*)}'
matches = re.findall(pattern, s, re.DOTALL)

# 转换为目标字典，同时处理换行符
result = {key: value.replace('\n', ' ').strip() for key, value in matches}
print(result)

关键部分解释 #

• (\\\w+)：精准匹配命令名，比如\commandName1，其中\\匹配反斜杠，\w+匹配命令名的字母数字主体。
• ((?:[^{}]|{(?:[^{}]|{[^{}]*})*})*)：处理命令内容，允许嵌套一层{}：
  • [^{}]：匹配非括号的普通字符
  • {(?:[^{}]|{[^{}]*})*}：匹配成对括号，内部可包含普通字符或另一层成对括号
• re.DOTALL：让正则中的.可以匹配换行符，支持多行内容的提取
• 字典推导式：将匹配结果整理为目标格式，同时把内容中的换行替换为空格并去除首尾空白。

执行后输出的result为：

{
    '\\commandName1': 'This is first command',
    '\\commandName2': 'This is second command with {} brackets inside in multiple lines {} {}',
    '\\commandName3': 'This is third, last command'
}

内容的提问来源于stack exchange，提问作者Jason