使用 re.findall() 搜索多個條件的文本 [python3.8]

Question

編輯以轉移我正在使用的文本數據類型的注意力，並將注意力轉移到實際問題上

進一步編輯以注意：

1. 關閉通知中的鏈接問題對我的問題沒有任何幫助，事實上，大量的標准和語法進一步混淆了我
2. 我在這里找到了問題的解決方案，並將在重新打開此問題時將其作為答案分享，以便其他任何有相同問題的人至少有一個起點，如果不是這個問題的解決方案。

情況：

我已經編寫了一個程序，它使用請求模塊從網站上獲取所有文本，假設我對一個可以正常工作的系統使用完全相同的代碼，這不是問題。 我正在嘗試使用re.findall()按數據出現的順序獲取數據。 在有效的系統中，我使用的線路是

paragraphs = re.findall(r'c1(.*?)c1', str(mytext))

在 c1 代替我的第一組標准的地方，我然后用幾行來擺脫我不需要的東西。

我試過的：

我嘗試了以下代碼片段，但都沒有奏效。 遺憾的是，我能夠找到的信息並沒有解決我的問題。 我們可以整天推理為什么這方面的指南很少，但事實是幾個小時的谷歌讓我一無所獲。

第一次嘗試：

我試着簡單地讓它保持一致

re.findall(r'c1(.*?)c1c2(.*?)c2', str(mytext))

其中 c2 代表我的第二個標准不幸的是這返回[]這對我來說是無用的。

第二次嘗試：

我想也許我這樣做的方式是錯誤的，所以我稍微改了一下

re.findall(r'c1(.*?)c1', r'c2(.*?)c2', str(mytext))

re.findall(r'c1(.*?)c1'r'c2(.*?)c2', str(mytext))

re.findall(r'c1(.*?)c1' or 'c2(.*?)c2', str(mytext))

re.findall(r'c1(.*?)c1' or r'c2(.*?)c2', str(mytext))

但就前兩個而言，與我最初的嘗試相同。 最后兩個只得到了c1(.*?)c1 ，這是有用的數據，但它根本不包含c2(.*?)c2 ，更不用說它在文本中出現的順序了。

第三次嘗試：

不要運行此代碼，這會使我的筆記本電腦因無限循環而崩潰。 此時我已經做了一些研究並發現了re.search() function

paragraphs = []
ticker = ''
while ticker != 'None':
    ticker = re.search(r'c1(.*?)c1', str(mytext))
    if (ticker == 'None'):
        ticker = re.search(r'c2(.*?)c2', str(mytext))
    if (ticker != 'None'):
        paragraphs.append(ticker)
print(paragraphs)

顯然，這是一個愚蠢的想法。 它試圖使paragraphs[]具有第一個c1(.*?)c1的無限列表。

問題：

如果有的話，我如何使用re.findall()創建一個列表paragraphs ，將 go 通過mytext中的文本並挑選出符合條件c1(.*?)c1和c2(.*?)c2的所有內容並按照它們出現的順序排列它們？

例如，如果文本是（為清楚起見而添加的空格，將不存在於文件中）

c2 hello c2 c1 world c1 c2 !!! c2

該計划將是

#get the text
#do the re.findall() function and assign to the list paragraphs
print(paragraphs)

並將返回

>>>['hello', 'world', '!!!']

Answer 1

作為

re.findall(r'c1(. ?)c1c2(. ?)c2', str(mytext))

什么都不返回，因為你在這里傳遞了太多 arguments 嘗試在兩者之間放置 OR 你會得到你的 output。喜歡

re.findall(r'c1(. ?)c2', mytext) 或 re.findall(r'c2(. ?)c3', mytext)

Answer 2

您可以使用

[x.group(2) for x in re.finditer(r'(c1|c2)(.*?)\1', mytext, flags=re.S)]

請參閱正則表達式演示。 或者，要匹配最短的子字符串：

[x.group(2) for x in re.finditer(r'(c1|c2)((?:(?!c1|c2).)*?)\1', mytext, flags=re.S)]

正則表達式匹配

• (c1|c2) - 組 1： c1或c2
• (.*?) - 第 2 組：盡可能少的任何 0 個或更多字符
• \1 - 與第 1 組中的值相同。

for x in re.finditer(r'(c1|c2)(.*?)\1', mytext)迭代所有匹配項，並且x.group(2)將僅返回組 2 值。