使用正则表达式提取多行SAS代码的Python实现问题求助

我明白你遇到的问题了——处理单行SAS宏时正则没问题，但多行宏就抓不到内容，这其实是正则默认行为和你原来的表达式结构导致的。让我一步步帮你解决：

首先，你原来的正则里硬写了\n来分隔行，这就限制了只能匹配中间只有一行的宏。更关键的是，Python的re模块默认下，.是不匹配换行符的，所以即使你加了*或+，也没法跨多行匹配内容。这时候re.DOTALL修饰符就派上用场了，它能让.匹配包括换行在内的所有字符。

接下来，我们需要调整正则表达式，让它能灵活匹配带参数/不带参数、多行内容、以及%mend后面可能带宏名的情况（SAS允许%mend;或%mend macro_name;两种写法）。

这里给你一个可以正常工作的实现：

import re

# 示例SAS代码，包含多行宏和单行宏
sas_code = """
%macro process_data(input_ds, threshold);
    data filtered;
        set &input_ds.;
        if value > &threshold. then output;
    run;
    
    proc freq data=filtered;
        tables category;
    run;
%mend process_data;

%macro hello();
    %put Hello from simple macro!;
%mend;
"""

# 构建正则模式，使用re.DOTALL修饰符
macro_pattern = re.compile(
    r"%macro\s+(\w+)\s*(?:\((.*?)\))?\s*;(.*?)\s*%mend\s*(?:\w+)?\s*;",
    re.DOTALL
)

# 提取所有宏定义
macro_matches = macro_pattern.findall(sas_code)

# 遍历结果并打印
for macro_name, macro_params, macro_content in macro_matches:
    print(f"=== 宏名称: {macro_name} ===")
    print(f"参数: {macro_params.strip() if macro_params else '无参数'}")
    print("宏内容:")
    print(macro_content.strip())
    print("\n" + "-"*60 + "\n")

让我拆解一下这个正则的关键部分：

• %macro\s+(\w+): 匹配%macro关键字，捕获后面的宏名称到第一个分组。
• \s*(?:\((.*?)\))?: 匹配可选的参数列表，用非捕获组(?:...)包裹，里面的(.*?)捕获参数内容，?表示参数部分是可选的（支持无参数宏）。
• \s*;: 匹配宏定义行末尾的分号，前后允许有空格。
• (.*?): 非贪婪匹配宏的所有内容（包括换行），直到遇到%mend。
• \s*%mend\s*(?:\w+)?\s*;: 匹配%mend关键字，后面可选的宏名称，最后是分号，前后允许空格。

注意事项： #

1. 非贪婪匹配.*?：一定要用非贪婪模式，否则会从第一个%macro一直匹配到最后一个%mend，把所有宏都当成一个内容。
2. 嵌套宏的情况：如果你的SAS代码里有嵌套宏（一个宏里定义另一个宏），这个正则会失效，因为它会匹配到第一个%mend。这种复杂场景建议用专门的SAS语法解析工具，而不是正则。但大多数情况下，SAS宏不会嵌套，这个正则足够用。
3. 空白处理：正则里的\s*可以处理代码中各种多余的空格、制表符或换行，让匹配更鲁棒。

内容的提问来源于stack exchange，提问作者Westworld