python开发非贪婪的正则表达式以匹配特定模式几次

Question

我即将为我想要处理的文件中给出的模式开发一个正则表达式。

该文件包含多篇文章，这些文章都遵循类似的模式：

1. 从一行开始，即换行符
2. 然后在一行上有一些非单词字符，然后是＆＃34; Dokument xx von xx＆＃34;和换行符
3. 后面跟着一个字符
4. 以两个换行符结尾，后跟一行非字符，后跟＆＃34;版权所有＆＃34;接下来是更多字符和新行
5. 一个包含非单词字符的可选行，后跟更多字符和新行
6. 最后一行包含非单词字符，后跟＆＃34;保留所有权利＆＃34;或者＆＃34; Alle Rechte vorbehalten＆＃34;和一个新行

我尝试提出一个非贪婪的正则表达式，它准确地匹配文章的开头，正文和结尾。

对于1-4我有^n\W+Dokument.+?[\r\n][\r\n]\W+Copyright[^\n]+\n

5-6需要什么？

我是否真的需要一个dotall标志，如果我打算使用这个正则表达式建议在文件中多次匹配模式？

我整天都在这。有新鲜思想的人能否向我展示缺失的部分？

干杯， 安德鲁

Answer 1

您可以使用以下内容：

  

  
1. 一个包含非单词字符的可选行，后跟更多字符和新行
  

(\W+?(?:(?!All|Alle).)+?\n)?

  

  
1. 一行包含非单词字符，后跟“All Rights Reserved”或“Alle Rechte vorbehalten”和新行
  

\W+(All Rights Reserved|Alle Rechte vorbehalten)\n

结合1-6：

^\W+Dokument.+?[\r\n][\r\n]\W+Copyright[^\n]+\n(\W+?(?:(?!All|Alle).)+?\n)?\W+?(?:All Rights Reserved|Alle Rechte vorbehalten)\n

请参阅DEMO