正则表达式：匹配特定模式之间的任何内容

Question

我试图提出一个与特定模式匹配的正则表达式，通过该正则表达式可以排列文本文件中的文章。 （注意：“ |”表示段落标记/换行符，而“。”表示一些非单词字符。）这是模式

| 
...........................Dokument.1.von.55|
| 
|
|
..........................Some newspaper| 
| 
..........................Freitag 08. Mai 2015 
|
sometextsometextsometextsometextsometextsometextsometextsometextsometextsometext
sometextsometextsometextsometextsometextsometextsometextsometextsometextsometext
(etc..)
|
METAINFO1: IWOIOWIEOWEIWOEIWEO
| 
(etc... possibly more metainfo all capitalized) 
|
| 
.........................Copyright 2015 some publisher notes 
.........................at most one more single line containing copyright information
.........................Alle Rechte vorbehalten| 
# note: last line alternatively: All Rights Reserved 


|
(next pattern i.e. article) 

（出于版权目的，我不得不将其匿名化）

我创建了以下正则表达式来提取单个文章：

1. 匹配行首，后跟换行符^[\\r\\n]
2. 匹配包含“ Dokument ....”的行，其后跟非单词字符[\\W]+Dokument \\d{1,} von \\d{1,}
3. 匹配任意数量的换行符[\\r\\n]+
4. 匹配任何单词和非单词字符（即文章的文本） [\\w\\W]+
5. 匹配最后一个换行符（下一个模式开始之前的最后一行） [r\\n]
6. 匹配任何非单词字符和字符串“ Alle Rechte vorbehalten”或“保留所有权利” [\\W]+(Alle Rechte vorbehalten|All Rights Reserved)
7. 匹配行尾（最后一行） $

因此，整个RE为^[\\r\\n][\\W]+Dokument \\d{1,} von \\d{1,}[\\r\\n]+[\\w\\W]+[\\r\\n][\\W]+(Alle Rechte vorbehalten|All Rights Reserved)$

我已经用Textpad测试过了。 当我使用RE进行向后搜索时，它会匹配任何单个文章（根据需要）。 但是，当我进行正向搜索时，它会匹配整个文档。

起初，我认为它与任何文章都匹配，然后看起来好像是否与所有内容都匹配。 但是后来我尝试了replace选项，结果是我的测试术语只被替换了一次。

因此，可再生能源不履行职责。 我已经为此工作了一段时间，但找不到我的错误。

我做错了什么？ -我的RE有错误吗？

我打算匹配文章，将工作中的RE变成一个捕获组，然后将其替换为一些xml。 但是我被困在这里。

干杯，安德鲁

Answer 1

诀窍是使与文章正文匹配的部分不贪心 ，并为文章明确定义开始和结束匹配。

re.compile(r'^\n\W+Dokument.+?\n\W+Copyright[^\n]+\n(?:[^\n]+\n)?', flags=re.S)

仅重申一下假设：

• 以换行符开头，然后是包含非单词字符的行，然后是“ Dokument”
• 包含一个充满任何字符的正文。
• 以换行符结尾，然后是非单词字符行，其后是“版权”，然后是更多字符和换行符。
• 可以选择包含多行字符，后跟换行符。