正则表达式的最大匹配长度

Question

确定正则表达式的最大匹配长度的最简单方法是什么？

具体来说,我正在使用Python的re模块.

例如foo((bar){2,3}|potato)它将是12.

显然,正则表达式使用运算符等*和+具有理论上无限匹配长度; 在那些情况下返回错误或某事是好的.使用(?...)扩展程序为正则表达式提供错误也很好.

我也可以获得一个近似的上限,只要它总是大于实际的最大长度,但不要太大.

Answer 1

使用pyparsing的invRegex模块:

import invRegex
data='foo(bar{2,3}|potato)'    
print(list(invRegex.invert(data)))
# ['foobarr', 'foobarrr', 'foopotato']    
print(max(map(len,invRegex.invert(data))))
# 9

另一种替代方法是使用ipermute从该模块.

import inverse_regex
data='foo(bar{2,3}|potato)'
print(list(inverse_regex.ipermute(data)))
# ['foobarr', 'foobarrr', 'foopotato']
print(max(map(len,inverse_regex.ipermute(data))))
# 9

Answer 2

解决了，我想。感谢unutbu给我指点sre_parse！

import sre_parse

def get_regex_max_match_len(regex):
    minlen, maxlen = sre_parse.parse(regex).getwidth()
    if maxlen >= sre_parse.MAXREPEAT: raise ValueError('unbounded regex')
    return maxlen

结果是：

>>> get_regex_max_match_len('foo((bar){2,3}|potato)')
12
>>> get_regex_max_match_len('.*')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "<stdin>", line 3, in get_regex_max_match_len
ValueError: unbounded regex