Question

我正在尝试在一行（---）的三个连字符后捕获文件中的所有剩余文本。

示例：

Anything above this first set of hyphens should not be captured.

---

This is content. It should be captured.
Any sets of three hyphens beyond this point should be ignored.

应该捕获第一组三个连字符后的所有内容。我得到的最接近的是使用这个有效的正则表达式[^(---)]+$。它将捕获连字符后的所有内容，但如果用户在该点之后放置任何连字符，则会在用户放置的最后一个连字符后捕获。

我将它与python结合使用来捕获文本。

如果有人可以帮我解决这个正则表达式问题，我会很感激。

Answer 1

pat = re.compile(r'(?ms)^---(.*)\Z')

(?ms)添加MULTILINE和DOTALL标记。

MULTILINE标志使^匹配行的开头（不仅仅是字符串的开头。）我们需要这个，因为---出现在一行的开头，但是不一定是字符串的开头。

DOTALL标记使.匹配任何字符，包括换行符。我们需要这样，以便(.*)可以匹配多行。

\Z匹配字符串的结尾（而不是行的结尾）。

例如，

import re

text = '''\    
Anything above this first set of hyphens should not be captured.

---

This is content. It should be captured.
Any sets of three hyphens beyond this point should be ignored.
'''

pat = re.compile(r'(?ms)^---(.*)\Z')
print(re.search(pat, text).group(1))

打印

This is content. It should be captured.
Any sets of three hyphens beyond this point should be ignored.

请注意，当您使用括号[...]定义正则表达式字符类时，括号内的内容（通常，除了a-z之类的连字符范围外）被解释为单个字符。它们不是模式。因此[---]与[-]没有区别。事实上，[---]是从-到-的字符范围，包括在内。

字符类中的括号也被解释为文字括号，而不是分组分隔符。所以[(---)]相当于[-()]，包括连字符和左右括号的字符类。

因此，字符类[^(---)]+匹配连字符或括号以外的任何字符：

In [23]: re.search('[^(---)]+', 'foo - bar').group()
Out[23]: 'foo '

In [24]: re.search('[^(---)]+', 'foo ( bar').group()
Out[24]: 'foo '

你可以看到它的发展方向，以及为什么它不能解决你的问题。

Answer 2

很抱歉没有直接回答你的问题，但我想知道正则表达式是否使问题过于复杂？你可以这样做：

f = open('myfile', 'r')

for i in f:
    if i[:3] == "---":
        break

text = f.readlines()

f.close()

或者，我错过了什么？

我倾向于发现正则表达式很难维护，如果你不需要为特定目的提供独特的功能，那么它将更清晰，更易读，以避免完全使用它们。

Answer 3

s = open(myfile).read().split('\n\n---\n\n', 1)
print s[0] # first part
print s[1] # second part after the dashes

这应该适用于您的示例。要拆分的第二个参数指定拆分字符串的次数。

匹配一系列连字符后的所有内容

3 个答案: