Question

如果我的字符串看起来像：

s = """
...
Random Stuff
...
HEADER
a 1
a 3
# random amount of rows
a 17
RANDOM_NEW_HEADER
a 200
a 300
...
More random stuff
...
"""

是否有一种干净的方法可以使用正则表达式（在Python中）在HEADER之后找到a \d*的所有实例，但是在SOMETHING_TOTALLY_DIFFERENT打破模式之前？我想到了类似的东西：

import re
pattern = r'HEADER(?:\na \d*)*\na (\d*)'

print re.findall(pattern, s)

不幸的是，正则表达式并没有找到重叠的匹配。如果使用正则表达式没有合理的方法，我可以比编写自己的for循环更快地提取这些数据。

（TL; DR - 那里有一个独特的标题，后面跟着一个重复的模式。我想抓住那个模式的每个实例，只要重复没有中断。）< / p>

编辑：

为了澄清，我不一定知道SOMETHING_TOTALLY_DIFFERENT会是什么，只是它不会匹配a \d+。我想收集\na \d+后跟HEADER\n的所有连续实例。

Answer 1

一个简单的循环怎么样？

import re

e = re.compile(r'(a\s+\d+)')

header = 'whatever your header field is'
breaker = 'something_different'

breaker_reached = False
header_reached = False

results = []

with open('yourfile.txt') as f:
    for line in f:
        if line == header:
            # skip processing lines unless we reach the header
            header_reached = True
            continue
        if header_reached:
            i = e.match(line)
            if i and not breaker_reached:
               results.append(i.groups()[0])
            else:
               # There was no match, check if we reached the breaker
               if line == breaker:
                   breaker_reached = True

Answer 2

不完全确定你想要正则表达式停止的地方请澄清

'（（a \ d *）\ s）{1，}'

使用python正则表达式在标题后找到重复的值

3 个答案: