正則表達式：在常量詞之間拆分新行

Question

給定

Word1   content1 content1 content1
       content2 content2 content2
         
          content3 content3 content3
Word2

我想將 content1、content2 和 content3 提取為組。 你能幫忙做一個正則表達式嗎？ 我試過了：

Word1[\s:]*((?P<value>[^\n]+)\n)+Word2帶有 gms 標志，但它沒有幫助。 我需要 python re 模塊的正則表達式。

Answer 1

您可以使用

import re
text = "Word1   content1 content1 content1\n       content2 content2 content2\n          content3 content3 content3\nWord2"
match = re.search(r'Word1[\s:]*((?:.+\n)*)Word2', text)
if match:
    print([s.strip() for s in match.group(1).splitlines()])

請參閱Python和正則表達式演示。

輸出：

['content1 content1 content1', 'content2 content2 content2', 'content3 content3 content3']

詳情：

• Word1 - Word1字符串
• [\s:]* - 零個或多個空格和冒號
• ((?:.+\n)*) - 第 1 組：除換行符以外的一個或多個字符的零次或多次重復，后跟換行符
• Word2 - Word2字符串。

然后，如果有匹配項， [s.strip() for s in match.group(1).splitlines()]將 Group 1 值拆分為單獨的行。

使用PyPi 正則表達式庫的替代解決方案可以是

import regex
text = "Word1   content1 content1 content1\n       content2 content2 content2\n          content3 content3 content3\nWord2"
print( regex.findall(r'(?<=Word1[\s:]*(?s:.*?))\S(?:.*\S)?(?=(?s:.*?)\nWord2)', text) )

請參閱Python 演示。 詳情：

• (?<=Word1[\s:]*(?s:.*?)) - 需要一個Word1字符串、零個或多個空格或冒號，然后是盡可能少的零個或多個字符當前位置的左側
• \S(?:.*\S)? - 一個非空白字符，然后是除換行符之外的任何零個或多個字符，直到行上的最后一個非空白字符
• (?=(?s:.*?)\nWord2) - 一個正向前瞻，需要盡可能少的零個或多個字符，然后在當前位置右側添加一個換行符和Word2字。

Answer 2

更好地提取以將 2 個單詞之間的所有內容分組，然后用換行符將其拆分。

first_key = "Word1"
second_key = "Word2"
common_regex = r"{first_key}[\s:]*(?P<value>.+){second_key}"
regex = common_regex.format(first_key=first_key, second_key=second_key)
lines = [x.group("value").strip() for x in re.finditer(regex, text_piece, re.DOTALL)]
if lines:
    lines = lines[0].split("\n")
else:
    lines = []
print(lines)