Python - 使用正则表达式提取两个标记之间的子字符串

Question

我有一个需要帮助的问题。 我有以下字符串，需要执行以下操作：

1. 提取等号和“END=STRING”字符串或右双引号之间的所有子字符串。
2. 将提取的子字符串分组到一个组中
3. 不显示 output 中的开始和结束标记
4. 如果可能，不要显示反斜杠或换行符

两个扩展结果样本：

STRING database file 2025.01 ABC_ONE ABC_TWO

STRING database file 2025.01 ABC_ONE:12.3456 ABC_TWO:12.3456 ABC_THREE:12.3456 ABC_FOUR:12.3456 ABC_THREE:12.3456 ABC_FOUR:12.3456 ABC_FIVE:12.3456 ABC_SIX:12.3456 ABC_SEVEN:12.3456 ABC_EIGHT:12.3456 ABC_NINE:12.3456 ABC_TEN:12.3456

我将使用 Python re.finditer 循环遍历从正则表达式获得的结果。 此外，将使用 re.MULTILINE 和 re.IGNORECASE。

链接到我在 regex101 上的内容： https://regex101.com/r/CwMaEZ/1

随意提出不同的模式，但请记住以下几点：

1. 就像我在我的模式中展示的那样，需要组。
2. 我想迭代 Python 中的结果，所以我更喜欢 re.finditer

这是我到目前为止的正则表达式：

(STRING)\s([a-zA-Z0-9/+._-]+)\s([a-zA-Z0-9/+._-]+)\s([a-zA-Z0-9/+._-]+)\s([a-zA-Z0-9/+._-]+)?\s?\\?\n?(.*VALUE=\s*\"?)

以下是字符串：

STRING database file 2025.01 \
     0123456789ABCD VALUE="ABC_ONE \
     ABC_TWO " END=STRING
     ST=

STRING database file 2025.01 \
     0123456789ABCD VALUE=ABC_ONE \
     ABC_TWO END=STRING
     ST=

STRING database file 2025.01 ABCDEFGH123456 \
     VALUE=ABC_ONE ABC_TWO END=STRING 

STRING database file 2025.01 \
    VALUE=ABC_ONE:12.3456 END=STRING \
    AAAA=ABCDEFGH1234

STRING database file 2025.01 \
    VALUE="ABC_ONE:12.3456 ABC_TWO:12.3456 \
    ABC_THREE:12.3456 ABC_FOUR:12.3456 " \
    END=STRING \

STRING database file 2025.01 \
    0123456789ABCD VALUE="ABC_ONE ABC_TWO " \
    END=STRING 

STRING database file 2025.01 VALUE="ABC_ONE \
    ABC_TWO ABC_THREE END=STRING

STRING database file 2025.01 \
    VALUE="ABC_ONE ABC_TWO ABC_THREE " END=STRING

STRING database file 2025.01 VALUE=
    "ABC_ONE ABC_TWO ABC_THREE " END=STRING \

STRING database file 2025.01 VALUE="ABC_ONE \
    ABC_TWO ABC_THREE " END=STRING

STRING database file 2025.01 VALUE="ABC_ONE ABC_TWO \
    ABC_THREE " END=STRING

STRING database file 2025.01 VALUE="ABC_ONE ABC_TWO ABC_THREE " \

STRING database file 2025.01 \
    VALUE="ABC_ONE:12.3456 ABC_TWO:12.3456 \
    ABC_THREE:12.3456 ABC_FOUR:12.3456 \
    ABC_THREE:12.3456 ABC_FOUR:12.3456 \
    ABC_FIVE:12.3456 ABC_SIX:12.3456 \
    ABC_SEVEN:12.3456 ABC_EIGHT:12.3456 \
    ABC_NINE:12.3456 ABC_TEN:12.3456 \
    ABC_ELEVEN:12.3456 ABC_TWELVE:12.3456 \
    END=STRING

Answer 1

提问者通常被期望为解决问题付出一些努力。 以下是一些帮助您入门的代码：

s = s.replace('\\\n', '')
re.findall(r'VALUE="(.*?)\s*(?: " END=STRING|END=STRING)', s, re.M)

Answer 2

首先，您并没有真正整齐地提出问题。

但建议 1. 只是使用\S+而不是[a-zA-Z0-9/+._-]