Python中用正则匹配嵌套JSON指定路径的重复键

首先，你之前用的"a"[^}]*"key"方案有两个核心问题：一是会错误匹配嵌套层级里的同名键，二是[^}]*在处理大量内容时容易触发灾难性回溯。要解决这个问题，我们需要用平衡组/递归正则来精确跟踪JSON的嵌套层级，确保只匹配指定路径上的目标键。

核心思路 #

正则需要精确匹配每个路径段之间的内容，保证不会跨越未闭合的{}层级——也就是说，在找到下一个路径键之前，所有打开的{都必须被闭合，这样就能确保我们始终在目标路径的层级内，不会跑到嵌套的子对象里。

正则方案（分引擎） #

不同正则引擎的平衡组写法略有不同，下面给出两种常用的实现：

1. .NET 正则引擎（支持命名捕获栈）

对于路径中的每个中间节点（比如a、b），我们用命名栈来计数{}的层级，确保匹配到的内容始终在当前层级内：

通用连接正则（MATCH_EVERYTHING_IN_BETWEEN_REGEX）：

(?:(?:[^{}]|(?<open>\{)|(?<-open>\}))*(?(open)(?!)))

这个片段的作用是：

• 匹配非{}的任意字符，或者遇到{就压入栈，遇到}就弹出栈
• (?(open)(?!))确保栈为空时才停止匹配，也就是不会留下未闭合的{

2. PCRE 正则引擎（支持递归）

PCRE用递归模式匹配完整的嵌套对象，写法更简洁：

通用连接正则：

(?:(?:[^{}]|\{(?:[^{}]|(?R))*\})*)

这个片段的作用是：

• 匹配非{}的任意字符，或者匹配一个完整的嵌套对象（通过递归匹配内部的{}）

循环构建最终正则 #

你可以通过循环拼接路径段和连接正则来生成最终的匹配规则：

1. 初始化正则字符串为空
2. 遍历路径中的每个节点（除了最后一个）：
   • 拼接 "${当前节点}":\s*
   • 拼接上面的连接正则片段
3. 最后拼接 "${最后一个节点}":\s*"((?:\\.|[^"\\])+)"（这里用(?:\\.|[^"\\])+替代[^"]+，支持转义双引号）

示例测试 #

用你给出的JSON字符串：

d = { "a": { "b": { "c": { "d": "v1", "key": "v2" } }, "c": { "g": "v3", "key": "v4" }, "key": "v5" } }

• 路径a → key（.NET版本）：

  "a":\s*(?:(?:[^{}]|(?<open>\{)|(?<-open>\}))*(?(open)(?!)))"key":\s*"((?:\\.|[^"\\])+)"
  

  匹配结果：捕获到v5，对应a直接层级的key。

• 路径a → b → c → key（.NET版本）：

  "a":\s*(?:(?:[^{}]|(?<open>\{)|(?<-open>\}))*(?(open)(?!)))"b":\s*(?:(?:[^{}]|(?<open>\{)|(?<-open>\}))*(?(open)(?!)))"c":\s*(?:(?:[^{}]|(?<open>\{)|(?<-open>\}))*(?(open)(?!)))"key":\s*"((?:\\.|[^"\\])+)"
  

  匹配结果：捕获到v2，对应最深层级的key。

• 路径a → c → key（.NET版本）：

  "a":\s*(?:(?:[^{}]|(?<open>\{)|(?<-open>\}))*(?(open)(?!)))"c":\s*(?:(?:[^{}]|(?<open>\{)|(?<-open>\}))*(?(open)(?!)))"key":\s*"((?:\\.|[^"\\])+)"
  

  匹配结果：捕获到v4，对应a下c层级的key。

关键优势 #

• 无灾难性回溯：平衡组/递归是线性匹配，每一步都明确处理{}层级，不会像[^}]*那样尝试大量无效回溯。
• 精确路径匹配：严格跟踪层级，不会错误匹配嵌套在子对象里的同名键。
• 可扩展：通过循环轻松构建任意深度的路径正则，适配无限嵌套的JSON。

注意事项 #

• 确保你的正则引擎支持平衡组/递归：比如.NET、PCRE、Python的regex库（标准re库不支持）。
• 如果JSON中有转义字符（比如\"），一定要用(?:\\.|[^"\\])+来捕获值，避免提前终止匹配。

内容的提问来源于stack exchange，提问作者loxosceles