Question

我有一个大文字，如下面的摘录：

test = '''
Sra. Montero.- ¡No, no! No empecemos.   
Sr. Jefe de Gabinete de Ministros.- Respetuosamente se lo digo...   
Sra. Montero.- El senador Fernández
Sra. Montero.- ¡No, no! No empecemos.   
Sr. Jefe de Gabinete de Ministros.- Respetuosamente se lo digo...   
Sra. Montero.- El senador Fernández
Sra. Montero.- ¡No, no! No empecemos.   
Sr. Jefe de Gabinete de Ministros.- Respetuosamente se lo digo...   
Sra. Montero.- El senador Fernández
Sra. Montero.- ¡No, no! No empecemos.   
Sr. Jefe de Gabinete de Ministros.- Respetuosamente se lo digo...   
Sra. Montero.- El senador Fernández
'''

我希望得到字符串＆＃34; Sr之间的所有文字。 Jefe de Gabinete de Ministros .-＆＃34;和字符串＆＃34; Sr {{random_text_here}} .-＆＃34;。所以在这个例子中，我想得到的是：

data = ['Respetuosamente se lo digo...', 'Respetuosamente se lo digo...', 'Respetuosamente se lo digo...']

我知道正则表达式条款必须是非贪婪的，我已经测试了类似的东西：

bw_sr = re.compile('\.\-(.+?)Sr[.+]\.\-') #non greedy regexx              
data = bw_sr.findall(test)

但我最终得到一个空列表。我尝试了几个条款，但我似乎无法找到解决方案。

Answer 1

你的正则表达式是错误的（这个[.+]在括号之间定义了一个字符范围，所以它不起作用，除了其他问题之外，无法区分“Sr.”和“Sra”（似乎你想看到输出的内容），我通过做Sr\.）来修复。

我想出了那个符合公式的人，还有“ElsenadorFernández”等......没有标准可以过滤那些。我还在捕获组之前添加了\s*来“剥离”空白：

bw_sr = re.compile('\.\-\s*(.+?)\nSr\..+?\.\-')
data = bw_sr.findall(test)

print(data)

结果：

['¡No, no! No empecemos.', '¡No, no! No empecemos.', '¡No, no! No empecemos.', '¡No, no! No empecemos.']

Answer 2

它的工作：

bw_sr = re.compile('\.\- (.*)')
data = bw_sr.findall(test)

在两个字符串

2 个答案: