使用正则表达式提取文本

Question

我在文件中有以下字符串。我正在尝试使用正则表达式来提取“---”之后的段落，这在此编辑器中未显示为文本。下图应该能让你对文字有所了解。

( 2021-07-10 01:24:55 PM GMT )STEMAILTE
---
Badminton is a racquet sport played using racquets to hit a shuttlecock across
a net. Although it may be played with larger teams, the most common forms of
the game are "singles" (with one player per side) and "doubles" (with two
players per side).


( 2021-07-10 01:27:55 PM GMT )ARAMASU
---
Both the academies run a residential training program for upcoming and
talented footballers and Boxers. The Academies are functioning in Sarusajai
Sports complex.

已附上下面的图片-

到目前为止我已经尝试过

re.findall(r'([(){}[\]][^\S]\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2} [a-zA-Z]{2} [a-zA-Z]{3}[^\S][(){}[\]][\w.]+)(\n-+)((\n.+))+',text)

这只是给了我日期时间和之后的文本。

我正在尝试从上图中的每组中提取“---”之后的三个段落。此处提供的文字上方有垃圾文字。

Answer 1

您为什么要在这种简单的任务中使用如此复杂的正则表达式？是否需要任何变量分隔，或者您的文本是否始终具有相同的结构？ 如果是这样，为什么不使用这样的东西：

paragraph = text.splitlines()
paragraph = [line for line in text.splitlines() if not (line.startswith("---") or line.startswith("(") or not line)]
print(paragraph)

假设您的文本存储在名为text 的变量中。