匹配注释和多行注释正则表达式

Question

我有这个文本，我需要一个匹配所有注释（多行和非）的正则表达式模式：

# English language file
# all entries must contain a string number, followed by a space, followed by a string, ended by a pound character
# lines beginning with pound character are a comment
# blank lines are ignored

1 null#

# generic names
1900 text1234#
1901 text1234#
1902 text1234#

---

我想到了这一点：

(?:^#\s?([^\n]+))(?:\n#\s?([^\n]+))*

但它没有正确分组多行注释： https://regex101.com/r/LC1f5c/1

---

另一方面，如果我重复第二组 3 次：

(?:^#\s?([^\n]+))(?:\n#\s?([^\n]+))(?:\n#\s?([^\n]+))(?:\n#\s?([^\n]+))

按照我想要的方式工作（仅限多行注释）： https://regex101.com/r/ FMSP13/1

Answer 1

这是一种方法：

import re

comments = []
for comment in re.findall(r"(?:^# .*?\n)+", data, flags=re.MULTILINE):
    comments.append(comment[2:-1].split("\n# "))

使用列表理解进行相同的操作：

comments = [comment[2:-1].split("\n# ") for comment in re.findall(r"(?:^# .*?\n)+", data, flags=re.MULTILINE)]

输出：

[
    [
        'English language file',
        'all entries must contain a string number, followed by a space, followed by a string, ended by a pound character',
        'lines beginning with pound character are a comment', 
        'blank lines are ignored'
    ],
    [
        'generic names'
    ]
]

---

• comment[2:-1] 允许不保留前两个字符 (#），以及最后一个字符（\n）。

---

(?:^# .*?\n)+

• (?:)+：非捕获组，一次到无限次，尽可能多。
  • ^：行的开头。
  • #：匹配 #。
  • .*?：匹配任何字符，次数为零到无限次，尽可能少。
  • \n：匹配换行符。