使用 python 正则表达式将文本拆分为多个部分答案

【问题标题】：Split text into sections using python regex使用 python 正则表达式将文本拆分为多个部分
【发布时间】：2014-01-30 16:21:47
【问题描述】：

我有一个大的、多行的字符串，其中包含遵循类似格式的多个条目。我想将它拆分为每个条目的字符串列表。

我尝试了以下方法：

myre = re.compile('Record\sTime.*-{5}', re.DOTALL)
return re.findall(myre, text)

在这种情况下，条目以“记录时间”开头，以“-----”结尾。上面的代码没有按照我的意愿行事，而是返回一个项目，从第一个条目的开头开始，到最后一个条目的结尾结束。

我可能会找到一种方法来完成这项工作，方法是使用正则表达式查找段的结尾，然后从那里开始重复一段原始文本，但这似乎很混乱。

【问题讨论】：

标签： python regex text

【解决方案1】：

您需要通过添加问号将.* 变成不情愿 匹配：

.*?

否则它会尽可能匹配，从第一条记录的中间到最后一条记录的中间。

见Greedy vs. Reluctant vs. Possessive Quantifiers

【讨论】：

【解决方案2】：

类似这样的：

txt='''\
Record Time
1
2
3
-----

Record Time
4
5
-----
Record Time
6
7
8
'''

import re
pat=re.compile(r'^Record Time$(.*?)(?:^-{5}|\Z)', re.S | re.M)
for i, block in enumerate((m.group(1) for m in pat.finditer(txt))):
    print 'block:', i
    print block.strip()

打印：

block: 0
1
2
3
block: 1
4
5
block: 2
6
7
8

【讨论】：

【解决方案3】：

您可以使用它来避免不情愿的量词，这是模拟原子组的技巧：(?=(...))\1。它不完全在主题中，但它可能很有用：

myre = re.compile('Record\sTime(?:(?=([^-]+|-(?!-{4})))\1)+-{5}')

【讨论】：