[英]Find shortest matches between two strings
我有一个很大的日志文件,我想提取两个字符串之间的多行字符串: start
和end
。
以下是输入文件中的inputfile
:
start spam
start rubbish
start wait for it...
profit!
here end
start garbage
start second match
win. end
所需的解决方案应打印:
start wait for it...
profit!
here end
start second match
win. end
我尝试了一个简单的正则表达式,但它返回了从start spam
的所有内容。 这应该怎么做?
编辑:关于现实生活计算复杂性的附加信息:
这个正则表达式应该符合你想要的:
(start((?!start).)*?end)
使用re.findall
方法和单行修饰符re.S
获取多行字符串中的所有出现:
re.findall('(start((?!start).)*?end)', text, re.S)
在这里查看测试。
用代码来做 - 基本状态机:
open = False
tmp = []
for ln in fi:
if 'start' in ln:
if open:
tmp = []
else:
open = True
if open:
tmp.append(ln)
if 'end' in ln:
open = False
for x in tmp:
print x
tmp = []
这很棘手,因为默认情况下, re
模块不查看重叠匹配。 较新版本的 Python 有一个新的regex
模块,允许重叠匹配。
https://pypi.python.org/pypi/regex
你想使用类似的东西
regex.findall(pattern, string, overlapped=True)
如果您坚持使用 Python 2.x 或其他没有regex
东西,仍然可以使用一些技巧。 一位聪明的人在这里解决了这个问题:
一旦你有所有可能的重叠(非贪婪,我想)匹配,只需确定哪个最短,哪个应该很容易。
你可以做(?s)start.*?(?=end|start)(?:end)?
,然后过滤掉所有不以“end”结尾的内容。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.