提取两个字符串之间的文本块，在整个文档中重复该过程

Question

我正在使用python尝试读取txt文件并在字符串之间提取多个文本块。这是一个示例：

something something something I dont want
Select and then any length and joins etc of text that I want which could be  multiple lines
: this semicolon is the end of what I want
something something something I dont want again
   Select and then any length and joins etc of text that I want which could be  multiple lines
: this semicolon is the end of what I want

选择是我要开始提取数据的位置；是我要停止的地方

这将在整个900页的文档中重复进行。

有什么建议吗？

Answer 1

我不太确定为什么不使用正则表达式（因为它可以解决问题）。

您要查找的正则表达式为：Select ((?:.*\n)+?):

基本上是“选择”，捕获所有内容，直到换行符和冒号，“冒号”为止。

只需将其与re.finditer或re.findall一起使用，便会被设置。 Test in regex101。