在python中生成正则表达式可以匹配的值列表

这里有一个蛮力解决方案,应该有效。它的运行时间是o(l^max_length)(其中l是字母表的大小),因此使用它的风险自负。

def all_matching_strings(alphabet, max_length, regex):
"""Find the list of all strings over 'alphabet' of length up to 'max_length' that match 'regex'"""

if max_length == 0: return 

L = len(alphabet)
for N in range(1, max_length+1):
    indices = [0]*N
    for z in xrange(L**N):
        r = ''.join(alphabet[i] for i in indices)
        if regex.match(r):                
           yield(r)

        i = 0
        indices[i] += 1
        while (i<N) and (indices[i]==L):
            indices[i] = 0
            i += 1
            if i<N: indices[i] += 1

return

示例用法:

alphabet = 'abcdef1234567890'
import re
regex = re.compile('f*[1-3]+$')
for r in all_matching_strings(alphabet, 5, regex): 
    print r

它将输出最长为5的所有字符串,从一个f的序列开始,然后是一个1-3的非空序列,然后结束:

1
2
3
f1
11
21
31
f2
12
22
32
f3
13
23
33
ff1
[more output omitted...]

你不想这么做。大多数结果集将是巨大的,有些将是无限的。相反,使用一系列测试向量并依次对每个向量应用正则表达式:

vectors = (
  'foo',
  'bar',
  ...
)

for result in (re.match(someregex, entry) for entry in vectors):
  ...

当且仅当regexp中有限定符(+或*)时,匹配字符串集是无限的。你的问题似乎不是针对那些模式。我宁愿相信 product 功能来自 itertools 可能会有帮助。

例如,您可以引入一个表示任意字母的特殊字符(例如下划线),然后构建这样的模式

patt = 'a_c'

定义你的字母表

youralphabet = 'abcde...'

定义一个函数,生成所有可能的实例

def genInstances(patt):
    elems = [c if c != '_' else youralphabet for c in patt]
    return itertools.product(*elems)

然后,您可以通过解析 \d 或 [a-zA-Z] 或者什么。

一些正则表达式匹配有限数量的输入字符串,但是许多(大多数?)匹配无穷多个输入字符串。这有点像问“给定python语言语法,生成所有可能的python程序”。如果你试过的话,你也许可以写一个程序把它们按顺序列出来(尽管运行起来需要无限的时间),但是你确定你想这样做吗?你为什么要?

我确信标准库中的正则表达式引擎不会公开生成所需输出的方法。您必须获得对内部数据结构的低级访问权,或者自己实现一些dfa引擎的东西。