正則表達式：匹配特定模式之間的任何內容

Question

我試圖提出一個與特定模式匹配的正則表達式，通過該正則表達式可以排列文本文件中的文章。 （注意：“ |”表示段落標記/換行符，而“。”表示一些非單詞字符。）這是模式

| 
...........................Dokument.1.von.55|
| 
|
|
..........................Some newspaper| 
| 
..........................Freitag 08. Mai 2015 
|
sometextsometextsometextsometextsometextsometextsometextsometextsometextsometext
sometextsometextsometextsometextsometextsometextsometextsometextsometextsometext
(etc..)
|
METAINFO1: IWOIOWIEOWEIWOEIWEO
| 
(etc... possibly more metainfo all capitalized) 
|
| 
.........................Copyright 2015 some publisher notes 
.........................at most one more single line containing copyright information
.........................Alle Rechte vorbehalten| 
# note: last line alternatively: All Rights Reserved 


|
(next pattern i.e. article) 

（出於版權目的，我不得不將其匿名化）

我創建了以下正則表達式來提取單個文章：

1. 匹配行首，后跟換行符^[\\r\\n]
2. 匹配包含“ Dokument ....”的行，其后跟非單詞字符[\\W]+Dokument \\d{1,} von \\d{1,}
3. 匹配任意數量的換行符[\\r\\n]+
4. 匹配任何單詞和非單詞字符（即文章的文本） [\\w\\W]+
5. 匹配最后一個換行符（下一個模式開始之前的最后一行） [r\\n]
6. 匹配任何非單詞字符和字符串“ Alle Rechte vorbehalten”或“保留所有權利” [\\W]+(Alle Rechte vorbehalten|All Rights Reserved)
7. 匹配行尾（最后一行） $

因此，整個RE為^[\\r\\n][\\W]+Dokument \\d{1,} von \\d{1,}[\\r\\n]+[\\w\\W]+[\\r\\n][\\W]+(Alle Rechte vorbehalten|All Rights Reserved)$

我已經用Textpad測試過了。 當我使用RE進行向后搜索時，它會匹配任何單個文章（根據需要）。 但是，當我進行正向搜索時，它會匹配整個文檔。

起初，我認為它與任何文章都匹配，然后看起來好像是否與所有內容都匹配。 但是后來我嘗試了replace選項，結果是我的測試術語只被替換了一次。

因此，可再生能源不履行職責。 我已經為此工作了一段時間，但找不到我的錯誤。

我做錯了什么？ -我的RE有錯誤嗎？

我打算匹配文章，將工作中的RE變成一個捕獲組，然后將其替換為一些xml。 但是我被困在這里。

干杯，安德魯

Answer 1

訣竅是使與文章正文匹配的部分不貪心 ，並為文章明確定義開始和結束匹配。

re.compile(r'^\n\W+Dokument.+?\n\W+Copyright[^\n]+\n(?:[^\n]+\n)?', flags=re.S)

僅重申一下假設：

• 以換行符開頭，然后是包含非單詞字符的行，然后是“ Dokument”
• 包含一個充滿任何字符的正文。
• 以換行符結尾，然后是非單詞字符行，其后是“版權”，然后是更多字符和換行符。
• 可以選擇包含多行字符，后跟換行符。