问删除不在引号内的散列注释
EN

Stack Overflow用户

提问于 2013-07-22 07:12:28

回答 3查看 1.9K关注 0票数 5

我正在使用python来浏览一个文件并删除任何注释。只要注释不在双引号内，注释就被定义为哈希及其右边的任何内容。我目前有一个解决方案，但它似乎不太理想：

filelines = []
    r = re.compile('(".*?")')
    for line in f:
        m = r.split(line)
        nline = ''
        for token in m:
            if token.find('#') != -1 and token[0] != '"':
                nline += token[:token.find('#')]
                break
            else:
                nline += token
        filelines.append(nline)

有没有一种方法可以在没有for循环的引号中找到第一个哈希(即通过正则表达式)？

示例：

' "Phone #":"555-1234" ' -> ' "Phone #":"555-1234" '
' "Phone "#:"555-1234" ' -> ' "Phone "'
'#"Phone #":"555-1234" ' -> ''
' "Phone #":"555-1234" #Comment' -> ' "Phone #":"555-1234" '

编辑:这里是由user2357112创建的纯正则表达式解决方案。我测试了它，它运行得很好：

filelines = []
r = re.compile('(?:"[^"]*"|[^"#])*(#)')
for line in f:
    m = r.match(line)
    if m != None:
        filelines.append(line[:m.start(1)])
    else:
        filelines.append(line)

有关此正则表达式工作原理的更多细节，请参见他的答复。

Edit2:下面是user2357112代码的一个版本，我对其进行了修改，以说明转义字符(\")。这段代码还通过包含对字符串结尾($)的检查来消除'if‘：

filelines = []
r = re.compile(r'(?:"(?:[^"\\]|\\.)*"|[^"#])*(#|$)')
for line in f:
    m = r.match(line)
    filelines.append(line[:m.start(1)])

python

regex

comments

quotes

strip

单节点MySQL

低成本高体验，解决您的基础业务数据需求

回答 3

Stack Overflow用户

回答已采纳

发布于 2013-07-22 07:36:50

r'''(?:        # Non-capturing group
      "[^"]*"  # A quote, followed by not-quotes, followed by a quote
      |        # or
      [^"#]    # not a quote or a hash
    )          # end group
    *          # Match quoted strings and not-quote-not-hash characters until...
    (#)        # the comment begins!
'''

这是一个冗长的正则表达式，设计用于在一行上操作，所以请确保使用re.VERBOSE标志，并一次只输入一行。如果存在第一个未引用的散列，它将捕获第一个未引用的散列，因此可以使用match.start(1)获取索引。它不处理反斜杠转义，如果你想要将反斜杠-转义引号放在一个字符串中。这是未经检验的。

票数 3

Stack Overflow用户

发布于 2013-07-22 07:40:51

可以使用此脚本删除注释：

import re
print re.sub(r'(?s)("[^"\\]*(?:\\.[^"\\]*)*")|#[^\n]*', lambda m: m.group(1) or '', '"Phone #"#:"555-1234"')

这样做的目的是捕捉双引号中包含的第一部分，并在搜索锐利之前将其替换为自己：

(?s)              # the dot matches newlines too
(                 # open the capture group 1
    "             # "
    [^"\\]*       # all characters except a quote or a backslash
                  # zero or more times
    (?:           # open a non-capturing group
        \\.       # a backslash and any character
        [^"\\]*   # 
    )*            # repeat zero or more times
    "             # "
)                 # close the capture group 1

|                 # OR

#[^\n]*           # a sharp and zero or one characters that are not a newline.

票数 3

Stack Overflow用户

发布于 2013-07-22 08:10:08

这段代码太难看了，我不得不把它发出来。

def remove_comments(text):
    char_list = list(text)
    in_str = False
    deleting = False
    for i, c in enumerate(char_list):
        if deleting:
            if c == '\n':
                deleting = False
            else:
                char_list[i] = None
        elif c == '"':
            in_str = not in_str
        elif c == '#':
            if not in_str:
                deleting = True
                char_list[i] = None
    char_list = filter(lambda x: x is not None, char_list)
    return ''.join(char_list)