正则表达式：如何找到两个正则表达式匹配之间的子字符串？

Question

假设我有一个字符串：

data = 'MESSAGE: Hello world!END OF MESSAGE'

我想得到'MESSAGE: ' 和下一个大写单词之间的字符串。消息中从来没有任何完全大写的单词。

我试图通过在re.search 中使用这个正则表达式来得到这个：

re.search('MESSAGE: (.*)([A-Z]{2,})', data).group(1)

在这里我希望它输出'Hello world!'- 但它总是返回错误的结果。在正则表达式中很容易找到出现在其他两个字符串之间的子字符串，但是如何在与正则表达式匹配的字符串之间找到子字符串。我曾尝试将其设为原始字符串，但这似乎不起作用。

我希望我能很好地表达自己——我在 Python 方面拥有丰富的经验，但对正则表达式不熟悉。如果可能的话，我想要一个解释以及如何使我的特定示例代码工作的示例。非常感谢任何有用的帖子。

顺便说一句，我使用的是 Python 3.3。

Answer 1

您的代码不起作用，但原因相反：

re.search('MESSAGE: (.*)([A-Z]{2,})', data).group(1)

会匹配

'Hello world!END OF MESSA'

因为(.*) 是“贪婪的”，即它匹配最多允许其余（两个大写字符）匹配的字符。您需要使用非贪婪量词与

re.search('MESSAGE: (.*?)([A-Z]{2,})', data).group(1)

正确匹配

'Hello world!'

Answer 2

一个小问号：

re.search('MESSAGE: (.*?)([A-Z]{2,})', data).group(1)
Out[91]: 'Hello world!'

如果你让第一个捕获组变得懒惰，它不会消耗感叹号之后的任何东西。

Answer 3

你需要你的 .* 是非贪婪的（见第一个?），这意味着它在下一个项目可以匹配的点停止匹配，你需要第二组是非捕获的（见?:)。

import re 
data = 'MESSAGE: Hello world!END OF MESSAGE'    
regex = r'MESSAGE: (.*?)(?:[A-Z]{2,})'
re.search(regex, data).group(1)

返回：

'Hello world!'

或者，你可以使用这个：

regex = r'MESSAGE: (.*?)[A-Z]{2,}'

为了打破这一点（我将在搜索行中加入 VERBOSE 标志：）：

regex = r'''
         MESSAGE:\s    # first part, \s for the space (matches whitespace)
         (.*?)         # non-greedy, anything but a newline
         (?:[A-Z]{2,}) # a secondary group, but non-capturing,
                       #  good for alternatives separated by a pipe, |
         '''
re.search(regex, data, re.VERBOSE).group(1)