字符串的正则表达式模式 - python

Question

我想以这种格式对字符串进行分组：

Some_text Some_text 1 2 3
BEGIN Some_text Some_text
44 76 1321
Some_text Some_text
END Some_text
Some_Text Some_text 1 4 5

我想将它从BEGIN分组到END ，如下所示：

Some_text Some_text 1 2 3
<!-- START -->
BEGIN Some_text Some_text
44 76 1321
Some_text Some_text
END <!-- END --> Some_text

Some_Text Some_text 1 4 5

<!-- START -->和<!-- END --> - 这只是对分组开始和结束的注释。 我只想获取 BEGIN 和 END 之间的文本

我有类似的东西，但它不适用于每种情况 - 当有很多数据时，它就不起作用：

reg = re.compile(rf"{begin}[\-\s]+(.*)\n{end}", re.DOTALL)
core = re.search(reg, text).group(1)
lines = core.split("\n")

text是我的字符串，然后在分组后将其交换为列表 - 我不知道如何直接从列表中制作此正则表达式，然后我不必在字符串文本上执行此操作，而是在 python 列表文本上执行

给我一些提示或帮助我如何解决它。

示例代码：

import re
text="Some_text Some_text 1 2 3\nBEGIN Some_text Some_text\n44 76 1321\nSome_text Some_text\nEND Some_text\nSome_Text Some_text 1 4 5"

begin = "BEGIN"
end = "END"
reg = re.compile(rf"{begin}[\-\s]+(.*)\n{end}", re.DOTALL)
core = re.search(reg, text).group(1)
lines = core.split("\n")

print(lines)

它有效，但我不知道为什么有时它不会，当它需要大量文本时，例如：20k 个单词我只想获取BEGIN和END之间的文本

Answer 1

你可能会使用

^BEGIN\b(.*(?:\r?\n(?!(?:BEGIN|END)\b).*)*)\r?\nEND

正则表达式演示| Python 演示

如果要包含 BEGIN 和 END，可以省略捕获组

^BEGIN\b.*(?:\r?\n(?!(?:BEGIN|END)\b).*)*\r?\nEND

正则表达式演示| Python 演示

代码示例

import re

regex = r"^BEGIN\b(.*(?:\r?\n(?!(?:BEGIN|END)\b).*)*)\r?\nEND"

test_str = ("Some_text Some_text 1 2 3\n"
    "BEGIN Some_text Some_text\n"
    "44 76 1321\n"
    "Some_text Some_text\n"
    "END Some_text\n"
    "Some_Text Some_text 1 4 5\n")

print(re.findall(regex, test_str, re.MULTILINE))

Output

[' Some_text Some_text\n44 76 1321\nSome_text Some_text']

Answer 2

这有效：

txt='''\
Some_text Some_text 1 2 3
BEGIN Some_text Some_text
44 76 1321
Some_text Some_text
END Some_text
Some_Text Some_text 1 4 5'''

import re

print(re.sub(r'(?=BEGIN )(.*END)',r'<!-- START -->\n\1 <!-- END -->',txt,flags=re.S))

或者，

print(re.sub(r'(?=^BEGIN )([\s\S]*END)',r'<!-- START -->\n\1 <!-- END -->',txt, flags=re.M))

要么打印：

Some_text Some_text 1 2 3
<!-- START -->
BEGIN Some_text Some_text
44 76 1321
Some_text Some_text
END <!-- END --> Some_text
Some_Text Some_text 1 4 5

Answer 3

这使用非贪婪模式来匹配从开始标记到结束标记的所有内容，包括标记。 正则表达式模式中的\b是为了确保 BEGIN 和 END 不是较长单词的一部分，例如，“BEGIN”不会匹配“BEGINS”或“BEGINNING”。 注意：对于标记不匹配的输入，它可能无法正常工作，例如“ab c BEGIN de BEGIN 1 2 END 3”（两个 BEGIN）。

import re

txt='''\
Some_text Some_text 1 2 3
BEGIN Some_text Some_text
44 76 1321
Some_text Some_text
END Some_text
Some_Text Some_text 1 4 5'''

begin = 'BEGIN'
end = 'END'

regex = re.compile(rf"(?<=\b{begin}\b)(.*?)(?=\b{end}\b)", flags=re.DOTALL)

match = regex.search(txt)

if match:
    print(match[1])