正則表達式，多行字符串中兩個模式之間的匹配

Question

我有一個多行字符串，並且我想要一個正則表達式從兩個模式之間獲取一些東西。 例如，在這里我試圖匹配標題和日期之間的所有內容

例如：

s ="""\n#here's a title\n\nhello world!!!\n\nPosted on 11-09-2014 02:32:30"""
re.findall(r'#.+\n',s)[0][1:-1] # this grabs the title
Out: "here's a title"
re.findall(r'Posted on .+\n',s)[0][10:-1] #this grabs the date
Out: "11-09-2014 02:32:30"
re.findall(r'^[#\W+]',s) # try to grab everything after the title
Out: ['\n'] # but it only grabs until the end of line

Answer 1

>>> s = '''\n#here's a title\n\nhello world!!!\n\nPosted on 11-09-2014 02:32:30'''
>>> m1 = re.search(r'^#.+$', s, re.MULTILINE)
>>> m2 = re.search(r'^Posted on ', s, re.MULTILINE)
>>> m1.end()
16
>>> m2.start()
34
>>> s[m1.end():m2.start()]
'\n\nhello world!!!\n\n'

不要忘記檢查m1和m2是否不是None 。

Answer 2

>>> re.findall(r'\n([^#].*)Posted', s, re.S)
['\nhello world!!!\n\n']

如果要避免換行符：

>>> re.findall(r'^([^#\n].*?)\n+Posted', s, re.S + re.M)
['hello world!!!']

Answer 3

您可以使用一個正則表達式匹配所有內容。

>>> s = '''\n#here's a title\n\nhello world!!!\n\nPosted on 11-09-2014 02:32:30'''
>>> re.search(r'#([^\n]+)\s+([^\n]+)\s+\D+([^\n]+)', s).groups()
("here's a title", 'hello world!!!', '11-09-2014 02:32:30')

Answer 4

您應該使用帶括號的分組匹配：

    result = re.search(r'#[^\n]+\n+(.*)\n+Posted on .*', s, re.MULTILINE | re.DOTALL)
    result.group(1)

在這里，我使用了search ，但是如果同一字符串可能包含多個匹配項，您仍然可以使用findall 。

如果要捕獲標題，內容和日期，則可以使用多個組：

    result = re.search(r'#([^\n]+)\n+(.*)\n+Posted on ([^\n]*)', s, re.MULTILINE | re.DOTALL)
    result.group(1) # The title
    result.group(2) # The contents
    result.group(3) # The date

在同一個正則表達式中捕獲全部3個結果要比對每個部分使用一個正則表達式好得多，特別是如果您的多行字符串可能包含多個匹配項（在其中將各個findall結果“同步”在一起很容易導致錯誤的title-content-date組合）。

如果您打算大量使用此正則表達式，請考慮對其進行一次編譯以提高性能：

    regex = re.compile(r'#([^\n]+)\n+(.*)\n+(Posted on [^\n]*)', re.MULTILINE | re.DOTALL)
    # ...
    result = regex.search(s)
    result = regex.search('another multiline string, ...')

Answer 5

將組匹配與非貪婪搜索（。*？）一起使用。 並給組起一個名稱以便於查找。

>>> s = '\n#here\'s a title\n\nhello world!!!\n\nPosted on 11-09-2014 02:32:30'
>>> pattern = r'\s*#[\w \']+\n+(?P<content>.*?)\n+Posted on'
>>> a = re.match(pattern, s, re.M)
>>> a.group('content')
'hello world!!!'