在 Python 中使用正则表达式的文本后提取字符串

Question

我有一个 doc 文件，它具有以下结构：

This is a fairy tale written by

    John Doe and Mary Smith
    
    Auckland,somewhere
    
 This story is awesome

我想提取两行文本，它们是：

        John Doe and Mary Smith
        
        Auckland,somewhere

和 append 使用正则表达式将这些值放入列表中。 我想提取的两行字总是在字里行间This is a fairy tale ， This story is awesome了。 我怎样才能做到这一点？ 我尝试了一些与before_keyword,keyword,after_keyword=text.partition(regex)的组合，但一点运气都没有。

Answer 1

您可以使用带有re.DOTALL的正则表达式来启用. 匹配任何字符，包括换行符。 一旦在两个分隔符之间有了文本，就可以使用另一个不带re.DOTALL的正则表达式来提取至少包含一个非空白字符 ( \S ) 的行。

import re

lst = []

with open('input.txt') as f:
    text = f.read()

match = re.search('This is a fairy tale written by(.*?)This story is awesome', 
                  text, re.DOTALL)

if match:
    lst.extend(re.findall('.*\S.*', match.group(1)))

print(lst)

给出：

['    John Doe and Mary Smith', '    Auckland,somewhere']

Answer 2

你可以从这个开始：

re.search(r'(?<=This is a fairy tale written by\n).*?(?=\n\s*This story is awesome)', s, re.MULTILINE|re.DOTALL).group(0)

并微调这个正则表达式。 re.MULTILINE可以省略，因为您没有^或$反正，但re.DOTALL需要 let . 也匹配换行符。 上面的正则表达式使用向前看和向后看(?<=) , (?=) 。 如果您不喜欢这样，您可以使用括号代替捕获。

Answer 3

如果您可以从 docfile 创建字符串列表，则无需使用正则表达式。 只需执行这个简单的程序：

fileContent = ['This is a fairy tale written by','John Doe and Mary Smith','Auckland,somewhere','This story is awesome',
               'Some other things', 'story texts', 'Not Important data',
               'This is a fairy tale written by','Kem Cho?','Majama?','This story is awesome', 'Not important data']
               
authorsList = []
for i in range(len(fileContent)-3):
    if fileContent[i] == 'This is a fairy tale written by' and fileContent[i+3] == 'This story is awesome':
        authorsList.append([fileContent[i+1], fileContent[i+2]])

print(authorsList)

在这里，我只需检查'This is a fairy tale written by'和'This story is awesome' ，如果找到，则在您的列表中显示 append 文本。

Output：

[['John Doe and Mary Smith', 'Auckland,somewhere'], ['Kem Cho?', 'Majama?']]

Answer 4

尝试改用它。 它应该匹配这两个字符串之间的任何内容。

re.search(r'(?<=This is a fairy tale).*?(?=This story is awesome)',text)