python 正则表达式查找跨越多行的匹配项答案

【问题标题】：python regex find match that spans multiple linespython 正则表达式查找跨越多行的匹配项
【发布时间】：2016-12-26 21:29:53
【问题描述】：

所以我试图在 python 中使用正则表达式从 BibTex 中获取字符串。这是我的字符串的一部分：

a = '''title = {The Origin ({S},
        {Se}, and {Te})- {TiO$_2$} Photocatalysts},
   year = {2010},
   volume = {114},'''

我要抓取标题的字符串，即：

The Origin ({S},
        {Se}, and {Te})- {TiO$_2$} Photocatalysts

我目前有这个代码：

pattern = re.compile('title\s*=\s*{(.*|\n?)},\s*\n', re.DOTALL|re.I)
pattern.findall(a)

但它只给了我：

['The Origin ({S},\n            {Se}, and {Te})- {TiO$_2$} Photocatalysts},\n       year = {2010']

如何在没有year 信息的情况下获取整个标题字符串？很多时候，year 不在title 之后。所以我不能使用：

pattern = re.compile('title\s*=\s*{(.*|\n?)},\s*\n.*year', re.DOTALL|re.I)
pattern.findall(a)

【问题讨论】：

stackoverflow.com/questions/587345/…的可能重复
我试过了，但仍然无法解决我的问题。

标签： python regex

【解决方案1】：

使用较新的regex module：

import regex as re

rx = re.compile(r'''
        (?(DEFINE)
            (?<part>\w+\ =\ \{)
            (?<end>\},)
            (?<title>title\ =\ \{)
        )
        (?&title)(?P<t>(?:(?!(?&part))[\s\S])+)(?&end)
    ''', re.VERBOSE)

string = '''
title = {The Origin ({S},
        {Se}, and {Te})- {TiO$_2$} Photocatalysts},
   year = {2010},
   volume = {114},
'''

title = rx.search(string).group('t')
print(title)
# The Origin ({S},
#    {Se}, and {Te})- {TiO$_2$} Photocatalysts

虽然不是真的需要，但它提供了一种替代解决方案。

【讨论】：

【解决方案2】：

textwrap 很有用：

import textwrap

a = '''title = {The Origin ({S},
        {Se}, and {Te})- {TiO$_2$} Photocatalysts},
   year = {2010},
   volume = {114},'''

indent = "   "
print(textwrap.dedent(indent + a))

【讨论】：

【解决方案3】：

取决于您希望正则表达式的通用程度。我猜您希望您的字符串能够包含 { 和 }，因此使用它来标记模式的结尾会导致问题。也可以有多个括号。

这是一个想法，如果你在正则表达式的末尾查找单词 year 会怎样，假设它是不变的。

pattern = re.compile('title\s*=\s*{(.*?)},\s*\n\s*year', re.DOTALL|re.I)

【讨论】：

很多时候year 不在title 之后。但是你还是给了我一个新的想法:)

【解决方案4】：

一个快速的解决方案是修改您的正则表达式模式

pattern = re.compile('title\s*=\s*{(.*|\n?)},\s*\n', re.DOTALL|re.I)

【讨论】：

我刚刚发现这是错误的。它也会抓取year 行