Question

我有一个结构字符串：

A_1: text
a lot more text

A_2: some text
a lot more other text

现在我要提取描述性标题（A_1）和以下文字。就像是 [（＆＃34; A_1＆＃34;，＆＃34;文字\ na更多文字＆＃34;），（＆＃34; A_2＆＃34;，＆＃34;一些文字\ na更多其他文字＆＃34; ）]

我使用的表达是

(A_\d+):([.\s]+)

但我只得到[（＆＃39; A_1＆＃39;，＆＃39;＆＃39;），（＆＃39; A_2＆＃39;，＆＃39;＆＃39;）]。

有人对我有想法吗？

提前致谢，马丁

Answer 1

您可以使用lookahead将匹配限制为搜索到的开始指示符的另一次出现。

(?s)A_\d+:.*?(?=\s*A_\d+:|$)

(?s) dotall flag使点也匹配换行符
A_\d+:您的起始指标
.*?尽可能少地匹配（懒惰点）
(?=\s*A_\d+:|$)直到前面有可选空格的开始模式或$结束

See demo at regex101.com（Python代码生成器）

Answer 2

您的[.\s]+匹配一个或多个文字点（因为字符类中的.失去了它的特殊含义）和空格。我认为你的意思是使用.并带有re.DOTALL标志。但是，你可以使用不同的东西，tempered greedy token（还有其他方法）。

您可以使用

(?s)(A_\d+):\s*((?:(?!A_\d).)+)

请参阅regex demo

IDEONE demo：

import re
p = re.compile(r'(A_\d+):\s*((?:(?!A_\d).)+)', re.DOTALL)
test_str = "A_1: text\na lot more text\n\nA_2: some text\na lot more other text"
print(p.findall(test_str))

(?:(?!A_\d).)+淬火贪婪令牌将匹配任何文本，直至第一个A_ + digit模式。

用正则表达式搜索重复的结构

2 个答案: