使用Python 2的re.findall()无法正确提取sapply/lapply的第二个参数

首先，咱们来分析你原来正则表达式的问题：你用的\b[sl]apply\(.+,\s*([\w._]+?)[,\s)]里，.+是贪婪匹配，它会从(开始尽可能多地匹配字符，直到遇到最后一个符合条件的逗号为止。比如第一个sapply( by, paste.me, collapse, split)，.+会直接匹配到collapse 这个位置，然后捕获后面的split，这就不是你要的第二个参数了。

修正后的正则表达式 #

我们需要精准定位到第一个参数后的逗号，然后捕获第二个参数。可以用这个正则：

r"\b[sl]apply\(\s*[^,]+?\s*,\s*([\w._]+)\s*[,)]"

正则各部分解释 #

• \b[sl]apply\(：匹配sapply(或lapply(，\b确保是完整的函数名，避免误匹配类似xsapply的字符串
• \s*：匹配第一个参数前后的任意空格（兼容代码里的格式差异）
• [^,]+?：非贪婪匹配第一个参数的内容，[^,]表示匹配除了逗号之外的任意字符，这样会在遇到第一个逗号时停止，刚好对应第一个参数的结束
• ,\s*：匹配分隔第一个和第二个参数的逗号，以及逗号后的空格
• ([\w._]+)：捕获第二个参数，\w._覆盖了函数名可能包含的字母、数字、下划线和点，+表示匹配至少一个字符
• \s*[,)]：匹配第二个参数后面的逗号（如果还有后续参数）或右括号（如果是最后一个参数），确保我们捕获的是完整的第二个参数

测试代码 #

把这个正则用到你的字符串上：

import re

c = """ if ( is.data.frame(by) && ncol(by)>1 ) { by_by = sapply( by, paste.me, collapse, split) } ldat = sapply(xdat, by_by ) out = data.table::rbindlist( lapply(ldat, FUN, ...) ) return(out) """

result = re.findall(r"\b[sl]apply\(\s*[^,]+?\s*,\s*([\w._]+)\s*[,)]", c)
print(result)  # 输出: ['paste.me', 'by_by', 'FUN']

这样就能得到你期望的结果啦！

内容的提问来源于stack exchange，提问作者wen