Python regex文本到json脚本以在同一单词出现之间获取所有文本？

Question

您好，我正在编写一个python正则表达式解析器，并且试图编写一个正则表达式，该正则表达式可以在大量文本中选择“ QUESTION”一词之间的文本。

示例文字

Exam A
QUESTION 1
Blank is designed to help users.
A. baba.
B. caca.
C. sasa.
D. tyty.
Correct Answer: D
Explanation
Explanation/Reference:
QUESTION 2
can I do something?
A. No
B. Yes
Correct Answer: C
Explanation
Explanation/Reference:
QUESTION 3
What does provide?
asdasdasd


import re
import os
import sys


questions_file_text = open("questionguide.txt", "r").read()


Questions = re.findall("(?:(?!QUESTION).|[\n\r])*QUESTION",questions_file_text)

因此，我想选择所有内容，包括问题编号，直到下次出现问题为止。这样，我可以进行一些文本解析以将其格式化为json。

我可以做我似乎无法正确使用RegEx的python，有人可以帮助我。

这是我得到的最秘密

Answer 1

我很傻，这是答案：

import re
import os
import sys


questions_file_text = open("guide.txt", "r").read()


Questions = re.findall("(QUESTION([\s\S]*?)QUESTION)",questions_file_text)

print Questions

Answer 2

如果您使用QUESTION([\s\S]*?)QUESTION，则您将错过其他所有Question，因为下一个Question已被先前的正则表达式匹配所消耗。

您可以使用

re.findall(r"QUESTION.*?(?=QUESTION|$)",questions_file_text, re.S)

请参见regex demo。您还可以捕获各个部分：

re.findall(r"QUESTION\s+(\w+)\s*(.*?)(?=QUESTION|$)",questions_file_text, re.S)

请参见another regex demo。

正则表达式详细信息

• QUESTION-一个QUESTION字
• \s+-1个以上的空格字符
• (\w+)-第1组：一个或多个单词字符
• \s*-超过0个空格
• (.*?)-第2组：任意0个以上的字符，数量尽可能少
• (?=QUESTION|$)-直到QUESTION或字符串结尾。