如何让我的正则表达式匹配在前瞻后停止？答案

【问题标题】：How to make my regex match stop after a lookahead?如何让我的正则表达式匹配在前瞻后停止？
【发布时间】：2021-05-19 13:57:19
【问题描述】：

我在一个字符串中有一些来自 pdf 的文本，我想将其分解，以便我有一个列表，其中每个字符串都以数字和句点开头，然后在下一个数字之前停止。

比如我想转这个：

'3.1 First liens  15,209,670,396  0  15,209,670,396  14,216,703,858 
3.2 Other than first liens     0  0 
4. Real estate:
4.1 Properties occupied by  the company (less $  43,332,898 
encumbrances)  68,122,291  0  68,122,291  64,237,046 
4.2 Properties held for  the production of income (less 
$    encumbrances)       0  0 
4.3 Properties held for sale (less $  
encumbrances)      0  0 
5. Cash ($  (101,130,138)), cash equivalents 
($ 850,185,973 ) and short-term
 investments ($ 0 )  749,055,835  0  749,055,835  1,867,997,055 
6. Contract loans (including $   premium notes)  253,533,676  0  253,533,676  233,680,271 
7. Derivatives  3,194,189,871  0  3,194,189,871  2,390,781,023 
8. Other invested assets  749,074,191  11,899,360  737,174,831  692,916,503'

进入这个：

['3.1 First liens  15,209,670,396  0  15,209,670,396  14,216,703,858 ',
'3.2 Other than first liens     0  0 ',
'4. Real estate:',
'4.1 Properties occupied by  the company (less $  43,332,898 encumbrances)  68,122,291  0  68,122,291  64,237,046',
'4.2 Properties held for  the production of income (less $    encumbrances)       0  0' 
'4.3 Properties held for sale (less $  encumbrances)      0  0',
'5. Cash ($  (101,130,138)), cash equivalents ($ 850,185,973 ) and short-term investments ($ 0 ) 
749,055,835  0  749,055,835  1,867,997,055',
'6. Contract loans (including $   premium notes)  253,533,676  0  253,533,676  233,680,271',
'7. Derivatives  3,194,189,871  0  3,194,189,871  2,390,781,023',
'8. Other invested assets  749,074,191  11,899,360  737,174,831  692,916,503']

问题是原始字符串在标题中间散布了“\n”（例如，在 4.1 中，单词 encumbrances 之前有一个 \n。

(\d+\.[\s\S]*(?!\d+\.))

这是我一直在尝试使用的正则表达式，但它匹配整个字符串而不是每个数字行。有没有办法让我的正则表达式在下一个数字行之前停止匹配？

【问题讨论】：

你确定没有出现其他的期数，除了你指导打破它的那些吗
@FrankSiret 我刚刚再次扫描了字符串，但没有看到任何内容，所以我很确定。
它看起来像 \d+\.[\s\S]*?(?=\s*\d+\.|\Z) 或 \d+\.[\s\S]*?(?=\n\d+\.|\Z) 的案例

标签： python regex regex-lookarounds regex-greedy

【解决方案1】：

循环浏览找到的每个捕获组：

^[\']?(?=[\d].)[\d].[\d]*([\s\w\,\:\(\)\$\-]*)[\']?[ ]*(\n|\Z)

【讨论】：

【解决方案2】：

类似：

list = re.findall(r"^\d+\..*?(?=^\d+\.|\Z)", text, re.MULTILINE | re.DOTALL)

应要求提供进一步解释。

【讨论】：

这很好用！！ @MikeM 你是大师
@FrankSiret 谢谢，弗兰克。你真是太慷慨了。
感谢大家的帮助！这是我最终使用的方法，效果很好。

【解决方案3】：

import re

txt = '''3.1 First liens  15,209,670,396  0  15,209,670,396  14,216,703,858 
3.2 Other than first liens     0  0 
4. Real estate:
4.1 Properties occupied by  the company (less $  43,332,898 
encumbrances)  68,122,291  0  68,122,291  64,237,046 
4.2 Properties held for  the production of income (less 
$    encumbrances)       0  0 
4.3 Properties held for sale (less $  
encumbrances)      0  0 
5. Cash ($  (101,130,138)), cash equivalents 
($ 850,185,973 ) and short-term
 investments ($ 0 )  749,055,835  0  749,055,835  1,867,997,055 
6. Contract loans (including $   premium notes)  253,533,676  0  253,533,676  233,680,271 
7. Derivatives  3,194,189,871  0  3,194,189,871  2,390,781,023 
8. Other invested assets  749,074,191  11,899,360  737,174,831  692,916,503'''

x = re.split('[0-9]+\.[0-9]*', txt)
y = re.findall('[0-9]+\.[0-9]*', txt)
z = []

for i in range(len(y)):
    t = y[i]+x[i+1]
    z.append(t)

print(z)

如果需要空格换行，只需要替换

【讨论】：