正则表达式：匹配特定模式之间的任

Question

我正在尝试提供一个正则表达式，该表达式匹配我所安排的文本文件中的文章的特定模式。  （注意：“|”表示段落标记/换行符，而“。”表示一些非单词字符。）这是模式

| 
...........................Dokument.1.von.55|
| 
|
|
..........................Some newspaper| 
| 
..........................Freitag 08. Mai 2015 
|
sometextsometextsometextsometextsometextsometextsometextsometextsometextsometext
sometextsometextsometextsometextsometextsometextsometextsometextsometextsometext
(etc..)
|
METAINFO1: IWOIOWIEOWEIWOEIWEO
| 
(etc... possibly more metainfo all capitalized) 
|
| 
.........................Copyright 2015 some publisher notes 
.........................at most one more single line containing copyright information
.........................Alle Rechte vorbehalten| 
# note: last line alternatively: All Rights Reserved 


|
(next pattern i.e. article) 

（我必须将其匿名用于版权目的）

我创建了以下正则表达式来提取单篇文章：

1. 匹配该行的开头，后跟换行符^[\r\n]
2. 匹配包含“Dokument ....”的行，前面是非单词字符[\W]+Dokument \d{1,} von \d{1,}
3. 匹配任意数量的换行符[\r\n]+
4. 匹配任何单词和非单词字符（即文章的文字）[\w\W]+
5. 匹配最终换行符（下一个模式开始前的最后一行）[r\n]
6. 匹配任何非单词字符和字符串“Alle Rechte vorbehalten”或“保留所有权利”[\W]+(Alle Rechte vorbehalten|All Rights Reserved)
7. 匹配行尾（最后一行）$

因此，整个RE是^[\r\n][\W]+Dokument \d{1,} von \d{1,}[\r\n]+[\w\W]+[\r\n][\W]+(Alle Rechte vorbehalten|All Rights Reserved)$

我用Textpad测试过它。当我使用RE进行向后搜索时，它匹配任何单个文章（根据需要）。但是当我进行前向搜索时，它与整个文档相匹配。

起初我认为它匹配任何文章，然后看起来如果它匹配一切。但后来我尝试了替换选项，结果是我的测试术语只被替换一次。

所以RE没有做好自己的工作。我一直在研究这个问题已经有一段时间但是找不到我的错误。

我做错了什么？ - 我的RE中有错误吗？

我打算匹配文章，将工作RE转换为捕获组，然后用一些xml替换它。但我被困在这里。

干杯， 安德鲁

Answer 1

诀窍是制作与文章正文非贪婪相匹配的部分，并为文章定义非常明确的开始和结束匹配。

re.compile(r'^\n\W+Dokument.+?\n\W+Copyright[^\n]+\n(?:[^\n]+\n)?', flags=re.S)

重新思考这些假设：

• 以换行符开头，后跟一行非字字符后跟＆＃34; Dokument＆＃34;
• 包含一个充满任何字符的正文。
• 以换行符结尾，后跟一行非字符后跟＆＃34;版权所有＆＃34;接下来是更多字符和换行符。
• 可以选择再包含一行字符，后跟换行符。