如何从python中的文本中提取列数据（正则表达式）

Question

假设我们有文本，其中列标题存储在表单中：

{|
|+ The table's caption
! scope="col" width="20"style="background-color:#cfcfcf;"align="center" | Column header 1
! scope="col" width="20"style="background-color:#ff55ff;"align="center" | Column header 2
! scope="col" | Column header 3
|-
! scope="row" | Row header 1
| Cell 2 || Cell 3
|-
! scope="row" | Row header A
| Cell B
| Cell C
|}

如何从python中的文本中提取所有列（[ 列标题1 ， 列标题2 ， 列标题3 ]）？

re.findall('*! scope="col" |', text, re.IGNORECASE)

但它没有做好这项工作。

https://regex101.com/r/PLKREz/6

我怎么能在Python中做到这一点？

Answer 1

你可以找到最后一个|之后的所有子串 在scope="col" ：

import re

data = """
{|
|+ The table's caption
! scope="col" width="20"style="background-color:#cfcfcf;"align="center" | Column header 1
! scope="col" width="20"style="background-color:#ff55ff;"align="center" | Column header 2
! scope="col" | Column header 3
|-
! scope="row" | Row header 1
| Cell 2 || Cell 3
|-
! scope="row" | Row header A
| Cell B
| Cell C
|}"""

print(re.findall(r'scope="col".*?\| ([^|]+)$', data, re.MULTILINE))

打印：

['Column header 1', 'Column header 2', 'Column header 3']