Python2迁移Python3：正则匹配含嵌套括号的%格式化字符串方法

你之前使用的正则失效的核心原因是参数部分用[^\)]*做匹配，遇到任意)字符就会终止匹配，无法兼容参数中带元组括号、函数调用嵌套括号的场景。由于Python标准库re模块不支持递归匹配，无法靠单条纯正则覆盖任意层级的嵌套括号场景，下面提供两种可直接落地、覆盖你列出的三类场景的实现：

方案1：递归正则匹配（需安装第三方regex库） #

regex是Python生态中兼容标准re接口、额外支持递归匹配的正则库，可以通过单条正则实现括号平衡匹配，无需额外写分支判断。
首先安装依赖：

pip install regex

匹配正则及测试代码如下：

import regex

# 正则支持匹配单参数、普通元组参数、带嵌套函数的元组参数三类场景
fmt_pattern = regex.compile(r'''
^(\s*)  # 捕获行首缩进
([a-zA-Z_][a-zA-Z0-9_]*(?:\.[a-zA-Z_][a-zA-Z0-9_]*)*)  # 捕获调用的函数/方法名，兼容logg.debug这类属性调用写法
\(\s*"((?:[^%"\\]|\\.|%%)*)"  # 捕获双引号包裹的格式化字符串
\s*%\s*  # 匹配%格式化运算符
(  # 捕获完整参数部分，支持嵌套括号
    (?:
        [^()"']+  # 匹配非括号、非引号的普通内容
        | "(?:[^"\\]|\\.)*"  # 匹配双引号字符串，忽略字符串内部的括号
        | '(?:[^'\\]|\\.)*'  # 匹配单引号字符串，忽略字符串内部的括号
        | \((?:[^()]|(?4))*\)  # 递归匹配任意层级的嵌套括号对
    )+
)
\s*\)\s*$
''', regex.VERBOSE)

# 三类场景测试用例
test_cases = [
    'print("%s" % error_msg)',
    'logg.debug("in_file: %s, %s" % (in_file, out_file) )',
    'print("partinf_tup: %s, %s" % (access_name, repr(partinf_tup)) )'
]

for line in test_cases:
    match_res = fmt_pattern.match(line)
    if match_res:
        indent, func, fmt_str, params = match_res.groups()
        print(f"匹配成功 | 缩进：{repr(indent)} | 调用方法：{func} | 格式串：{fmt_str} | 参数：{params}")

该方案可以自动识别括号平衡，哪怕参数中存在多层函数调用、嵌套元组也能正确截断参数部分，不需要额外写场景分支。

方案2：括号计数匹配（仅用标准库，无需额外依赖） #

如果不想引入第三方库，可以先用简单正则匹配固定前缀，再通过手动计数括号的方式找到参数部分的结束位置，兼容所有三类场景。
实现代码如下：

import re

def match_percent_format(line: str):
    # 先匹配固定前缀：缩进、方法名、格式化字符串、%运算符
    prefix_pattern = re.compile(r'^(\s*)([a-zA-Z_][a-zA-Z0-9_]*(?:\.[a-zA-Z_][a-zA-Z0-9_]*)*)\(\s*"((?:[^%"\\]|\\.|%%)*)"\s*%\s*')
    prefix_match = prefix_pattern.match(line)
    if not prefix_match:
        return None
    indent, func_name, fmt_str = prefix_match.groups()
    rest_part = line[prefix_match.end():]
    
    bracket_cnt = 0
    in_string = None
    param_end_pos = 0
    # 遍历%之后的内容，做括号平衡计数
    for idx, char in enumerate(rest_part):
        # 字符串内部的括号不参与计数
        if in_string:
            if char == '\\':  # 跳过转义字符，避免误判转义的引号
                idx += 1
                continue
            if char == in_string:
                in_string = None
            continue
        if char in ('"', "'"):
            in_string = char
            continue
        # 括号计数
        if char == '(':
            bracket_cnt += 1
        elif char == ')':
            if bracket_cnt == 0:
                param_end_pos = idx
                break
            bracket_cnt -= 1
    # 提取参数，校验行尾合法性
    params = rest_part[:param_end_pos].strip()
    if rest_part[param_end_pos+1:].strip():
        return None
    return (indent, func_name, fmt_str, params)

# 三类场景测试用例
test_cases = [
    'print("%s" % error_msg)',
    'logg.debug("in_file: %s, %s" % (in_file, out_file) )',
    'print("partinf_tup: %s, %s" % (access_name, repr(partinf_tup)) )'
]
for line in test_cases:
    print(match_percent_format(line))

适配补充说明 #

• 上述两种方案默认匹配单行书写的%格式化语句，如果代码中存在格式化字符串、参数跨行拆分的写法，纯字符串/正则匹配的鲁棒性会下降，更推荐用Python内置的ast模块做语法树级别的匹配，准确率接近100%。
• 如果是做Python2到Python3的代码迁移，可优先使用官方自带的2to3工具做批量预处理，它内置了%格式化语法的转换逻辑，能覆盖绝大多数常规写法，只需要处理工具识别失败的特殊场景即可。

内容的提问来源于stack exchange，提问作者hellmutleo