使用Regex完全匹配Python中的多行

Question

我正在尝试提取跨越多行的内容。内容如下所示：

some content here
[1/1/2015 - SSR] something
[1/2/2015 - SSR] another:
 *something here
 *another something here
not relevant, should not be returned
[1/3/2015 - SSR] another one

*

之前总是有空格

我使用的代码是：

re.search(r'.*- SSR](.*)',line,re.DOTALL)

预期输出为：

[1/1/2015 - SSR] something
[1/2/2015 - SSR] another:
 *something here
 *another something here
[1/3/2015 - SSR] another one

然而，它只检索第一个和第三个记录，而不是第二个记录。因为它的范围是多线的。有人可以帮忙吗？我真的很感激。

Answer 1

你可以使用这样的正则表达式：

^.*?- SSR]([^[]*)

<强> Working demo

匹配信息：

MATCH 1
1.  [34-45] ` something
`
MATCH 2
1.  [61-111]    ` another:
*something here
*another something here
`
MATCH 3
1.  [127-139]   ` another one`

您可以使用以下内容：

import re
p = re.compile(ur'^\[.*?- SSR]([^[]*)', re.DOTALL | re.MULTILINE)
test_str = u"some content here\n[1/1/2015 - SSR] something\n[1/2/2015 - SSR] another:\n*something here\n*another something here\n[1/3/2015 - SSR] another one"

re.findall(p, test_str)

另一方面，如果你想捕获组中字符串的开头，那么你可以使用这个正则表达式：

^(\[.*?- SSR][^[]*)

<强> Working demo

匹配信息：

MATCH 1
1.  [18-45] `[1/1/2015 - SSR] something
`
MATCH 2
1.  [45-111]    `[1/2/2015 - SSR] another:
*something here
*another something here
`
MATCH 3
1.  [111-139]   `[1/3/2015 - SSR] another one`

Answer 2

假设文本可以包含尖括号，您可以使用整个前导码和非捕获前瞻来获取内容。最后一条记录需要\Z到最后。

import re

s = """[1/1/2015 - SSR] something
[1/2/2015 - SSR] another:
*something here
*another something here
[1/3/2015 - SSR] another one"""

print 'string to process'
print s
print
print 'matches'
matches = re.findall(
    r'\[\d+/\d+/\d+ - SSR\].*?(?:(?=\[\d+/\d+/\d+ - SSR\])|\Z)', 
    s, re.MULTILINE|re.DOTALL)
for i, match in enumerate(matches, 1):
    print "%d: %s" % (i, match.strip())

输出

string to process
[1/1/2015 - SSR] something
[1/2/2015 - SSR] another:
*something here
*another something here
[1/3/2015 - SSR] another one

matches
1: [1/1/2015 - SSR] something
2: [1/2/2015 - SSR] another:
*something here
*another something here
3: [1/3/2015 - SSR] another one