如何從python中的文本中提取列數據（正則表達式）

Question

假設我們有文本，其中列標題存儲在表單中：

{|
|+ The table's caption
! scope="col" width="20"style="background-color:#cfcfcf;"align="center" | Column header 1
! scope="col" width="20"style="background-color:#ff55ff;"align="center" | Column header 2
! scope="col" | Column header 3
|-
! scope="row" | Row header 1
| Cell 2 || Cell 3
|-
! scope="row" | Row header A
| Cell B
| Cell C
|}

如何從python中的文本中提取所有列（[ 列標題1 ， 列標題2 ， 列標題3 ]）？

re.findall('*! scope="col" |', text, re.IGNORECASE)

但它沒有做好這項工作。

https://regex101.com/r/PLKREz/6

我怎么能在Python中做到這一點？

Answer 1

你可以找到最后一個|之后的所有子串 在scope="col" ：

import re

data = """
{|
|+ The table's caption
! scope="col" width="20"style="background-color:#cfcfcf;"align="center" | Column header 1
! scope="col" width="20"style="background-color:#ff55ff;"align="center" | Column header 2
! scope="col" | Column header 3
|-
! scope="row" | Row header 1
| Cell 2 || Cell 3
|-
! scope="row" | Row header A
| Cell B
| Cell C
|}"""

print(re.findall(r'scope="col".*?\| ([^|]+)$', data, re.MULTILINE))

打印：

['Column header 1', 'Column header 2', 'Column header 3']