正则表达式出乎意料的结果 - 我错过了什么？

Question

我正在尝试提取此表格的免疫记录：

Immunization: Tetanus
Other: Booster 
Method: Injection
Date Received: 07 Jan 2013

以及此形式：

Immunization:   TETANUS DIPTHERIA (TD-ADULT)
Date Received:  07 Dec 2012 @ 1155
Location:       PORTLAND (OR) VAMC
Reaction:*      None Reported
Comments:       1234567 

这是我的模式字符串：

"Immunization:(.*?)\n[.\n*?]*?Date Received:(.*?)\n"

这是识别第二种模式并提取疫苗接种名称和日期，但不是第一种模式。我认为[.\n*?]*?会照顾两种可能性（疫苗接种名称和疫苗接种日期之间还有其他领域......或者不......但这似乎没有做到这一点。出了什么问题我的正则表达式以及我如何修复它？

Answer 1

您可以使用：

import re
matches = re.findall(r"Immunization:\s+(.*?)\s+.*?Date Received:\s+(.*?)$", subject, re.IGNORECASE | re.DOTALL | re.MULTILINE)

Regex Demo | Python Demo

正则表达式说明：

Answer 2

使用MULTILINE和DOTALL在pythex上测试：

输入

Immunization: Tetanus
Other: Booster 
Method: Injection
Date Received: 07 Jan 2013

Immunization:   TETANUS DIPTHERIA (TD-ADULT)
Date Received:  07 Dec 2012 @ 1155
Location:       PORTLAND (OR) VAMC
Reaction:*      None Reported
Comments:       1234567

模式：Immunization:\s+(\w+).*?Date Received:\s+([^\n]+)

匹配1

1. 破伤风
2. 2013年1月7日

匹配2

1. 破伤风
2. 2012年12月7日@ 1155

Pythex

Pythex with different grouping

Answer 3

。在[。\ n]中，将其作为文字＆＃39;。＆＃39;，而不是任何字符的符号。这就是接受免疫接种后的日期行的原因，但是你没有跳过不是换行符或点的字符。

(.*\n)*会想到以最接近你已有的方式帮助你。然而，有这么多嵌套*有点不幸，因为这意味着解析记录需要长时间的呼吸，作为一个人类，我也发现它更难理解。如果要输入/继续循环，可能最好用文字开始每个循环以帮助决策。

如果我没有搞砸那么

Immunization:(.*?)(\n.*)*\nDate Received:(.*)\n

没有左递归和＆＃34;收到日期＆＃34;只会在行的开头检测到。