多行之间的python正则表达式匹配以及其他所有匹配

Question

所以我已经玩了几天，这就是我正在寻找的东西以及我现在拥有的正则表达式。 我有一个这种格式的文件（还有其他一些字段，但我省略了：

我只想匹配粗体

ADDR 1 - XXXXXX   ADDR 1 - **XXXXXX**

ADDR 2 - XXXXXX   ADDR 2 - XXXXXX

ADDR 1 - XXXXXX   ADDR 1 - **XXXXXX**

ADDR 2 - XXXXXX   ADDR 2 - XXXXXX

我编写的正则表达式仅匹配第一个ADDR 1-XXXXX，但是我需要匹配所有粗体XXXXX的实例。

re.findall(r'ADDR 1- .*? ADDR 1-(.*?)(?=ADDR 2-)', lines, re.DOTALL)

有什么建议么？ 我觉得我可能缺少一些简单但不确定的东西。

Answer 1

码：

import re

str= """
ADDR 1 - XXXXXX ADDR 1 - ABCDEF

ADDR 2 - XXXXXX ADDR 2 - XXXXXX

ADDR 1 - XXXXXX ADDR 1 - UVWXYZ

ADDR 2 - XXXXXX ADDR 2 - XXXXXX
"""

m = re.findall(r".*ADDR\s+1\s+-\s+(.*)",str)
print m

输出：

C:\Users\dinesh_pundkar\Desktop>python c.py
['ABCDEF', 'UVWXYZ']

C:\Users\dinesh_pundkar\Desktop>

这个怎么运作：

.*ADDR\s+1\s+-\s+(.*)

Debuggex演示

让我们排队-ADDR 1-XXXXXX ADDR 1-ABCDEF

• .*ADDR将匹配ADDR 1-XXXXXX ADDR 。 由于.*匹配任何内容，并且正则表达式本质上是贪婪的，所以要停止，我必须在.*之后添加ADDR
• \\s+1\\s+-\\s+(.*)将匹配其余的1-ABCDEF 。 \\s+1\\s+-\\s+是必需的，因为我们需要匹配ADDR 1而不是ADDR 2 。 (.*)将匹配ABCDEF并将其存储。

Answer 2

如果要捕获某个事物的所有其他实例，则对字符串进行拆分或切片将比使用regex 快得多 -以下示例展示了一个非常基本的示例：

split（）方法：

>>> [i.split('ADDR 1 - ')[-1] for i in s.split('\n')[::2]]
>>> ['AXXXXZ', 'AXXXXY']
>>> ''' 18.3057999611 seconds - 10000000 iterations '''

findall（）方法：

>>> re.findall(".*ADDR\s+1\s+-\s+(.*)", s)
>>> ['AXXXXZ', 'AXXXXY']
>>> ''' 77.5003650188 seconds - 10000000 iterations '''

如果您知道regex并非绝对必要，请考虑使用替代方法。 同样，可以对接受的答案中显示的正则表达式进行优化，以将时间缩短近一半（例如re.findall("ADDR 1 .+ - (.+)", s ） 37.0185003658 seconds - 10000000 iterations 。