Python 正則表達式匹配多行字符串

Question

我的字符串：

PCT Filing Date: 2 December 2015
\nApplicants: Silixa Ltd.
\nChevron U.S.A. Inc. (Incorporated
in USA - California)
\nInventors: Farhadiroushan,
Mahmoud
\nGillies, Arran
Parker, Tom'

我的代碼

regex = re.compile(r'(Applicants:)( )?(.*)', re.MULTILINE)
print(regex.findall(text))

我的 output：

[('Applicants:', ' ', 'Silixa Ltd.')]

我需要的是獲取 'Applicants:' 和 '\nInventors:' 之間的字符串

'Silixa Ltd.' & 'Chevron U.S.A. Inc. (Incorporated
in USA - California)'

在此先感謝您的幫助

Answer 1

嘗試使用 re.DOTALL 代替：

import re

text='''PCT Filing Date: 2 December 2015
\nApplicants: Silixa Ltd.
\nChevron U.S.A. Inc. (Incorporated
in USA - California)
\nInventors: Farhadiroushan,
Mahmoud
\nGillies, Arran
Parker, Tom'''

regex = re.compile(r'Applicants:(.*?)Inventors:', re.DOTALL)
print(regex.findall(text))

給我

$ python test.py
[' Silixa Ltd.\n\nChevron U.S.A. Inc. (Incorporated\nin USA - California)\n\n']

這樣做的原因是 MULTILINE 不會讓點 (.) 匹配換行符，而 DOTALL 會。

Answer 2

如果您想要的是Applicants:和\nInventors:之間的內容，則您的正則表達式應反映：

>>> regex = re.compile(r'Applicants: (.*)Inventors:', re.S)
>>> print(regex.findall(s))
['Silixa Ltd.\n\nChevron U.S.A. Inc. (Incorporated\nin USA - California)\n']

re.S是“點匹配所有”選項，所以我們的(.*)也將匹配新行。 請注意，這與re.MULTILINE不同，因為re.MULTILINE只表示我們的表達式應該應用於多行，但不會改變事實. 不會匹配換行符。 如果. 不匹配換行符，像(.*)這樣的匹配仍然會在換行符處停止，無法達到您想要的多行效果。

另請注意，如果您對Applicants:或Inventors:不感興趣，您可能不希望將其放在()之間，如(Inventors:)中的正則表達式，因為匹配將嘗試為其創建匹配組。 這就是您在 output 中獲得 3 個元素而不是只有 1 個的原因。

Answer 3

如果你想匹配 \nApplicants \nApplicants:和\nInventors:之間的所有文本，你也可以在不使用re.DOTALL的情況下獲得匹配，以防止不必要的回溯。

匹配Applicants:並在第 1 組中捕獲同一行的 rest 以及后面所有不以Inventors:

然后匹配發明家。

^Applicants: (.*(?:\r?\n(?!Inventors:).*)*)\r?\nInventors:

• ^字符串的開頭（如果不必在開頭，則使用\b ）
• Applicants:字面匹配
• (捕獲組 1
  • .*匹配線的rest
  • (?:\r?\n(?:Inventors.).*)*匹配所有不以 Invertors 開頭的行：
• )關閉組
• \r?\nInventors:匹配換行符和 Inventors:

正則表達式演示| Python 演示

示例代碼

import re
text = ("PCT Filing Date: 2 December 2015\n"
    "Applicants: Silixa Ltd.\n"
    "Chevron U.S.A. Inc. (Incorporated\n"
    "in USA - California)\n"
    "Inventors: Farhadiroushan,\n"
    "Mahmoud\n"
    "Gillies, Arran\n"
    "Parker, Tom'")
regex = re.compile(r'^Applicants: (.*(?:\r?\n(?!Inventors:).*)*)\r?\nInventors:', re.MULTILINE)
print(regex.findall(text))

Output

['Silixa Ltd.\nChevron U.S.A. Inc. (Incorporated\nin USA - California)']

Answer 4

這是一種更通用的方法，可以將這樣的字符串解析為其中所有鍵和值的字典（即，行開頭的任何字符串后跟:是鍵，該鍵后面的字符串是數據） ：

import re 

txt="""\
PCT Filing Date: 2 December 2015
Applicants: Silixa Ltd.
Chevron U.S.A. Inc. (Incorporated
in USA - California)
Inventors: Farhadiroushan,
Mahmoud
Gillies, Arran
Parker, Tom'"""

pat=re.compile(r'(^[^\n:]+):[ \t]*([\s\S]*?(?=(?:^[^\n:]*:)|\Z))', flags=re.M)
data={m.group(1):m.group(2) for m in pat.finditer(txt)}

結果：

>>> data
{'PCT Filing Date': '2 December 2015\n', 'Applicants': 'Silixa Ltd.\nChevron U.S.A. Inc. (Incorporated\nin USA - California)\n', 'Inventors': "Farhadiroushan,\nMahmoud\nGillies, Arran\nParker, Tom'"}

>>> data['Applicants']
'Silixa Ltd.\nChevron U.S.A. Inc. (Incorporated\nin USA - California)\n'

正則表達式的演示