提取两个标记之间的所有子字符串答案

【问题标题】：Extract all substrings between two markers提取两个标记之间的所有子字符串
【发布时间】：2020-06-12 10:41:15
【问题描述】：

我有一个字符串：

mystr = "&marker1\nThe String that I want /\n&marker1\nAnother string that I want /\n"

我想要的是标记 start="&maker1" 和 end="/\n" 之间的子字符串列表。因此，预期的结果是：

whatIwant = ["The String that I want", "Another string that I want"]

我在这里阅读了答案：

并尝试过，但没有成功，

>>> import re
>>> mystr = "&marker1\nThe String that I want /\n&marker1\nAnother string that I want /\n"
>>> whatIwant = re.search("&marker1(.*)/\n", mystr)
>>> whatIwant.group(1)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

我能做些什么来解决这个问题？另外，我有一个很长的字符串

>>> len(myactualstring)
7792818

【问题讨论】：

标签： python python-3.x python-2.7 python-re

【解决方案1】：

我能做些什么来解决这个问题？ 我会这样做：

import re
mystr = "&marker1\nThe String that I want /\n&marker1\nAnother string that I want /\n"
found = re.findall(r"\&marker1\n(.*?)/\n", mystr)
print(found)

输出：

['The String that I want ', 'Another string that I want ']

注意：

& 在re 模式中具有特殊含义，如果您想要文字并且需要转义它（\&）
. 匹配除换行符以外的任何内容
findall 更适合选择如果您只想要匹配的子字符串列表，而不是 search
*? 是非贪婪的，在这种情况下 .* 也可以工作，因为 . 不匹配换行符，但在其他情况下，您可能会比您希望的结束匹配更多
我使用所谓的原始字符串（r 前缀）使转义更容易

阅读模块redocumentation，讨论原始字符串的使用和具有特殊含义的隐含字符列表。

【讨论】：

正则表达式模块可以处理的字符串长度是否有限制？

【解决方案2】：

考虑使用re.findall：

mystr = "&marker1\nThe String that I want /\n&marker1\nAnother string that I want /\n"
matches = re.findall(r'&marker1\n(.*?)\s*/\n', mystr)
print(matches)

打印出来：

['The String that I want', 'Another string that I want']

下面是正则表达式模式的解释：

&marker1      match a marker
\n            newline
(.*?)         match AND capture all content until reaching the first
\s*           optional whitespace, followed by
/\n           / and newline

请注意，re.findall 只会捕获出现在 (...) 捕获组中的内容，也就是您要提取的内容。

【讨论】：