忽略正则表达式中不相关的部分答案

【问题标题】：Ignoring irrelevant section in regex忽略正则表达式中不相关的部分
【发布时间】：2021-12-28 09:36:31
【问题描述】：

我有以下文字：（这与this密切相关但不相似）

text = '7\n\x0c\n7.\tA B C\n\n7.1\tbla bla bla .\n\n7.2\tanother bla bla \n\n7.3\tand another one.\n\n8.\tX Y Z\n\n8.1\tha ha ha \n\n(a)\thohoho ;\n\n(b)\thihihi,\n\n8'

我希望只选择第 7 节，以便获得：

7.  A B C

7.1 bla bla bla .

7.2 another bla bla 

7.3 and another one.

所以我这样做：

print(re.findall(r'^\d+\.\s*A B C[^\S\n]*(?:\n\n.+)*', text, re.M)[0])

给出：

7.  A B C

7.1 bla bla bla .

7.2 another bla bla 

7.3 and another one.

8.  X Y Z

8.1 ha ha ha 

(a) hohoho ;

(b) hihihi,

8

如您所见，8 在8.1 之后。所以这似乎对正则表达式感到困惑，我想知道在这种情况下我能做什么？

请注意，部分的数量通常可以不同，所以我不能做类似的事情 re.findall(r'^7\..*', text, re.MULTILINE)（即A B C可以放在其他部分）。

【问题讨论】：

标签： python regex string text

【解决方案1】：

你可以使用

^(\d+\.)\s*A B C(?:\s*\n\1\b.*)*

^ 字符串开始
(\d+\.)\s*A B C 捕获组 1 以匹配 1+ 位和 .，然后匹配 A B C
(?:非捕获组整体匹配
- \s*\n 匹配可选的空白字符和换行符
- \1\b 对第 1 组的反向引用，后跟单词边界
- .* 匹配该行的其余部分
)*关闭非捕获组并选择性地重复它

查看regex demo。

import re

text = '7\n\x0c\n7.\tA B C\n\n7.1\tbla bla bla .\n\n7.2\tanother bla bla \n\n7.3\tand another one.\n\n8.\tX Y Z\n\n8.1\tha ha ha \n\n(a)\thohoho ;\n\n(b)\thihihi,\n\n8'
pattern = r"^(\d+\.)\s*A B C(?:\s*\n\1\b.*)*"

m = re.search(pattern, text, re.MULTILINE)
if m:
    print(m.group())

输出

7.      A B C

7.1     bla bla bla .

7.2     another bla bla 

7.3     and another one.

【讨论】：

print(re.findall(r'^(\d+)\.\sABC(?:\s*\n\1\b.)*', text, re.M)[0]) 只打印 [7] 没有 7.1、7.2 等。我错过了什么吗？
@Wiliam re.findall 将打印捕获组的值。您可以使用 re.search 查找单个匹配项，或者在有多个匹配项时使用 re.finditer。我在答案中添加了一个 Python 示例。

【解决方案2】：

这里是找到7. 和第一个8. 之间的行的潜在解决方案：

m = re.search(r'^7\.\s*(?:.|\n)+?(?=\n8\.)', text, re.MULTILINE)
print(m.group() if m else None)

输出：

7.  A B C

7.1 bla bla bla .

7.2 another bla bla 

7.3 and another one.

【讨论】：