Question

我无法找到我所拥有的正则表达式问题的解决方案。这实际上是对这篇文章的一个跟进问题： Find string between two substrings AND between string and the end of file

我创建了以下示例文本（在我的应用程序中，文本更长，多个文件等）：

课程22/09/2010 1.早期职责Josephine，Jansen 22-09-2010 10:37:08 日期22/09/2010责任1.早期任务1.3这里可能还有其他一些相关内容Nursegoals Interventions Record现在是第四个注意。 6.2.1.3混淆：观察。护士干预记录这是一个新的，注意（再次），我称之为注释3.课程22/09/2010 1。早期工作记录这又是一个注释，我称之为注2。Apple： 0 /更少课程22/09/2010 3. Nightduty Josephine，Jansen 22-09-2010 06:22:25 Date 22/09/2010课程3. Nightduty 1.3此处还有其他内容 Nursegoals Interventions Record 6.2.1.3 Confusion：Observing。 Nursegoals Interventions Record Course 22/09/2010 3. Nightduty Record 这是一张新笔记，我称之为笔记1。

现在我想解析本文中的具体信息。我感兴趣的是记录＆＃39;所以记录后面的文本部分。以及该特定记录的日期，白色日期我指的是像02-11-2010这样的日期以及提前值班，延迟值班或夜间值班的概念（因此日期将是：＆＃39; 02-09-2010 1。早期职责＆＃39;）。我遇到的问题是文件中没有真正的一致性，因此有时一个日期有2个注释，有时只有一个注释。有时候注释部分会包含文本，有时则不包含文本。

我知道如何解析Record部分，但我不知道如何首先解析日期然后解析注释部分。所以我想将问题分成两部分。我的第一步是将整个文件拆分为单独的日期部分。第二步：遍历所有日期部分以获取该特定日期部分的注释（使用正则表达式）。然后，我会创建一个列表，其中包含特定日期（如果我只想要特定日期，将它放在列单元格中，例如我只需解析该日期部分的前13个字符。）和注释（s）与该日期有关的。例如：

list = [02-08-2010 1.早期工作，[注1，注2]，02-08-2010 2.迟到税，[注1]等]

让我们只关注日期解析，这样我的问题就很明确了。我使用以下代码：

date = r'Course\s+(.*?)(?:Course|$)'
date_list = re.findall(date, text, re.DOTALL)
for i in date_list: 
   print (i)
   print ('XXX')

输出结果为：

22/09/2010 1.早期职责Josephine，Jansen 22-09-2010 10:37:08 Date22 / 09/2010责任1.早期任务1.3这里可能还有其他一些相关内容Nursegoals Interventions Record现在是第四个注意。 6.2.1.3混淆：观察。护士干预记录这是一个新的，注意（再次），我称之为注释3. XXX 22/09/2010 3。 Nightduty Josephine，Jansen 22-09-2010 06:22:25 Date 22/09/2010 XXX 22/09/2010 3. Nightduty Record这是一个新笔记，我称之为笔记1。 XXX

此输出错过了以下元素：

[＆＃39;课程22/09/2010 1.早期工作记录这是一个说明，我打电话它注意到2. Apple：0 /更少＆＃39;]

和

[＆＃39; 3。 Nightduty 1.3 Nursegoals Interventions Record中的其他内容 6.2.1.3混淆：观察。护士干预＆＃39;]

所以它有点跳跃，因为我认为正则表达式考虑结束这个词＆＃39; Course＆＃39;，als作为一个新的开头，所以说匹配。

如果有人可以帮助我真的很棒:)可能我错过了一些东西..

Answer 1

将非捕获组更改为正向前瞻：

r'Course\s+(.*?)(?=Course|$)'
                 ^^

请参阅regex demo。展开的，更快的变体是r'Course\s+([^C]*(?:C(?!ourse)[^C]*)*)'（请参阅demo）。

否则，重叠的子字符串不匹配。

Python demo：

import re
rx = r"Course\s+(.*?)(?=Course|$)"
s = "Course 22/09/2010 1. Early duty Josephine, Jansen 22-09-2010 10:37:08 Date 22/09/2010 Duty 1. Early duty 1.3 Here there can be some other related stuff Nursegoals Interventions Record This is now the fourth note. 6.2.1.3 Confusion: Observing. Nursegoals Interventions Record This is a new, note (again), i call it note 3. Course 22/09/2010 1. Early duty Record This is again a note, i call it note 2. Apple: 0/less Course 22/09/2010 3. Nightduty Josephine, Jansen 22-09-2010 06:22:25 Date 22/09/2010 Course 3. Nightduty 1.3 Something else here Nursegoals Interventions Record 6.2.1.3 Confusion: Observing. Nursegoals Interventions Record Course 22/09/2010 3. Nightduty Record This is a new note, i call it note 1."
results = re.findall(rx, s, re.DOTALL)
for x in results:
    print(x)

输出：

22/09/2010 1. Early duty Josephine, Jansen 22-09-2010 10:37:08 Date 22/09/2010 Duty 1. Early duty 1.3 Here there can be some other related stuff Nursegoals Interventions Record This is now the fourth note. 6.2.1.3 Confusion: Observing. Nursegoals Interventions Record This is a new, note (again), i call it note 3. 
22/09/2010 1. Early duty Record This is again a note, i call it note 2. Apple: 0/less 
22/09/2010 3. Nightduty Josephine, Jansen 22-09-2010 06:22:25 Date 22/09/2010 
3. Nightduty 1.3 Something else here Nursegoals Interventions Record 6.2.1.3 Confusion: Observing. Nursegoals Interventions Record 
22/09/2010 3. Nightduty Record This is a new note, i call it note 1.

在文本中查找所有实例，最后一个单词也应该是使用regex for python进行搜索的开始

1 个答案: