在多行中找到两个关键字之间的大字符串序列

Question

我有一个格式为

的文件

sjaskdjajldlj_abc:  
cdf_asjdl_dlsf1:  
    dfsflks %jdkeajd  
sdjfls:  
    adkfld  %dk_.(%sfj)sdaj, %kjdflajfs  
    afjdfj _ajhfkdjf  
    zjddjh -15afjkkd  
    xyz  

我希望在第一行的字符串_abc:和最后一行的xyz之间找到文本。 我已经尝试过打印

re.findall(re.escape("*_abc:")+"(*)"+re.escape("xyz"),line)

但我得到null。

Answer 1

如果我理解正确的要求：

a1=re.search(r'_abc(.*)xyz',line,re.DOTALL)
print a1.group(1)

使用将启用的re.DOTALL。也匹配换行符。

Answer 2

当您的模式包含特殊字符时，您使用了re.escape，因此无法使用它。

>>>>re.escape("*_abc:")
'\\*_abc\\:'

这将匹配实际的短语*_abc:，但这不是您想要的。

只需调用re.escape，它就可以正常工作。

Answer 3

听起来你对*符号在正则表达式中的含义有误解。它并不意味着“匹配任何东西”，而是“重复之前的事情零次或多次”。

要匹配任何字符串，您需要将*与.结合使用，该.*匹配任何单个字符（稍后会更多）。模式.*abc(.*)xyz匹配任何零个或多个字符的字符串。

因此，您可以将模式更改为.*，并且您将大部分时间都在那里。但是，如果前缀和后缀仅在文本中存在一次，则前导abc是不必要的。您可以省略它，只需让正则表达式引擎处理.前缀之前跳过任何不匹配的字符。

剩下的一个问题是源文本中有多行文本。我在上面提到re.DOTALL模式符合字符，但这并不完全正确。默认情况下，它与新行不匹配。对于无关紧要的单行文本，但这会给你带来麻烦。要更改此行为，您可以将标记re.S（或其较短的拼写re.findall）作为第三个参数传递给re.search或.。该标志告诉正则表达式系统允许import re def find_between(prefix, suffix, text): pattern = r"{}.*{}".format(re.escape(prefix), re.escape(suffix)) result = re.search(pattern, text, re.DOTALL) if result: return result.group() else: return None # or perhaps raise an exception instead 模式匹配任何字符，包括换行符。

所以，以下是将当前代码转换为工作系统的方法：

{{1}}

我简化了模式，因为你的评论建议你想得到整个匹配的文本，而不仅仅是前缀和后缀之间的部分。