Python如何使用正则匹配指定字段并删除对应花括号块内容

问题背景 #

需要编写正则代码匹配文本文件中的指定模式，定位到目标内容后将其从原文本中移除，已完成文件读取的基础代码编写：

# Reading the file data and store it 
with open('file.txt','r+') as f:
    file = f.read()
print(file)

读取到的原始文本内容如下：

'{\n\tINFO\tDATA_NUMBER\t974\n\t{\n\t\tDAT_CQFD\n\t\t{\n\t\t\tsome random text \t787878\n\t\t}\n\t\tDATA_TO_MATCH\n\t\t{\n\t\t1\tbunch of characters \t985\n\t\t2\tbunch of data\t\t78\n\t\t}\n\t}\n\tINFO\tDATA_CATCHME\t123\n\t{\n\t\t3\tbunch of characters \n\t\t2\tbunch of datas\n\t}\n\tINFO\tDATA_INTACT\t\t456\n\t{\n\t\t3\tbunch of numbers \n\t\t2\tbunch of texts\n\t}\n\n'

具体需求 #

• 搜索匹配DATA_TO_MATCH字段，定位到其所属块的闭合花括号}，删除从该字段起始到对应闭合花括号（含花括号本身）的所有内容
• 对DATA_CATCHME字段执行完全相同的删除操作
  处理完成后的预期文本结果：

'{\n\tINFO\tDATA_NUMBER\t974\n\t{\n\t\tDATA_CQFD\n\t\t{\n\t\t\tsome random text \t787878\n\t\t}\n\n\t}\n\tINFO\tDATA_INTACT\t\t456\n\t{\n\t\t3\tbunch of numbers \n\t\t2\tbunch of texts\n\t}\n\n}\n'

已尝试的代码 #

目前已编写部分测试代码，但对正则语法和Python re模块使用不熟悉，无法写出符合要求的匹配模式，计划使用re.sub(my_patern,'', text)方法将匹配内容替换为空，实现删除效果：

import re
#find the DATA_TO_MATCH
re.findall(r".*DATA_TO_MATCH",file)  

#find the DATA_CATCHME
re.findall(r".*DATA_CATCHME",file)  

#supposed to find everything before the closed bracket "}"  
re.findall(r"(?=.*})[^}]*",file)  

实现代码 #

针对给出的文本结构（目标块无嵌套花括号），可以使用非贪婪匹配配合DOTALL标志实现需求，完整代码如下：

import re

# 读取文件内容
with open('file.txt','r+') as f:
    content = f.read()

# 正则模式说明：
# \s+ 匹配目标字段前的缩进、换行空白，避免删除后残留多余空行
# (DATA_TO_MATCH|DATA_CATCHME) 匹配两个需要删除的目标字段
# \s*\{ 匹配字段后到块起始左花括号的空白和左花括号本身
# .*? 非贪婪匹配任意内容，直到遇到第一个闭合花括号停止
# \} 匹配块的闭合右花括号
pattern = r'\s+(DATA_TO_MATCH|DATA_CATCHME)\s*\{.*?\}'

# 执行替换：flags=re.DOTALL 让.可以匹配换行符
cleaned_content = re.sub(pattern, '', content, flags=re.DOTALL)

# 验证输出结果
print(cleaned_content)

# 如需将处理后的内容写回文件，取消下方注释即可
# with open('file.txt', 'w') as f:
#     f.write(cleaned_content)

注意事项 #

• 该方案仅适用于目标花括号块内部无嵌套花括号的场景，和给出的样例结构完全匹配；如果后续存在多层括号嵌套的情况，正则无法准确处理括号配对逻辑，需要使用对应格式的专用语法解析器
• 非贪婪匹配符.*?会匹配到离目标字段最近的一个}，不会误删后续其他块的内容
• 模式开头的\s+会自动清理目标块前的多余缩进和空行，输出结果和预期格式完全一致

内容的提问来源于stack exchange，提问作者Art