如果两个字符串之间存在子字符串，则在 Python 中使用 Regex 提取两个字符串之间的文本答案

【问题标题】：Extract text between two strings if a substring exists between the two strings using Regex in Python如果两个字符串之间存在子字符串，则在 Python 中使用 Regex 提取两个字符串之间的文本
【发布时间】：2020-10-07 17:27:00
【问题描述】：

我有一个文本文件，如果这两个字符串之间存在子字符串，我想提取两个字符串之间的文本。文本文件中可能有多个这样的实例。例如，

示例文本文件（text_data）：

ghsauaigyssts twh
 
ghguy  hja  StartString I want this text (1) if substring 1 lies in between the two strings EndString bhghk [jhbn] xxzh StartString I want this text (2) as a different variable if substring 2 lies in between the two strings EndString ghjyjgu

输出：

first_variable = 如果子字符串 1 位于两个字符串之间，我想要此文本 (1)

second_variable = 如果子字符串 2 位于两个字符串之间，我希望此文本 (2) 作为不同的变量

我尝试将第一个变量提取为：

target1 = 'StartString'

target2 = 'substring 1'

target3 = 'EndString'

pat1 = '{}(.+?){}(.+?){}'.format(target1,target2,target3)

pattern = re.compile(pat1, flags=re.DOTALL)

first_variable = pattern.findall(text_data)

谁能帮助我了解问题所在/为此提供解决方案？谢谢

【问题讨论】：

这看起来是个逻辑问题，你不是要使用pat1 = '{}(.+?){}(.+?){}'.format(target1,target3,target2)吗？但是，这是一个错误的模式，你需要pat1 = '{0}((?:(?!{0}).)+?){1}(.+?){2}'.format(target1,target3,target2)
谢谢，我已编辑问题以更正它。您提供的解决方案也不起作用。我试图理解它。有什么学习python Regex的学习资料推荐吗？
见ideone.com/mYKuXh，什么不起作用？
输出文本中缺少 'substring 1'。我对其进行了修改以使用其中包含 900K 行的实际文本文件，但它不起作用。我认为我做错了什么，我需要弄清楚
试试pat1 = '{0}\s*((?:(?!{0}).)*?{1}.*?)\s*{2}'.format(target1,target2,target3)，见ideone.com/fX4zhK

标签： python regex

【解决方案1】：

您可以使用修复代码

pat1 = '{0}\s*((?:(?!{0}).)*?{1}.*?)\s*{2}'.format(target1,target2,target3)

模式（见demo）是

StartString\s*((?:(?!StartString).)*?substring 1.*?)\s*EndString

详情

StartString - 左侧分隔符
\s* - 0+ 个空格
((?:(?!StartString).)*?substring 1.*?) - 第 1 组：
- (?:(?!StartString).)*? - 任何不以左侧分隔符开头的字符，0 或更多但尽可能少
- substring 1 - 第三个字符串
- .*? - 任何 0+ 个字符，尽可能少
\s*EndString - 0+ 个空格和右侧分隔符。

见Python demo：

import re
text_data='ghsauaigyssts twh\n\nghguy  hja  StartString I want this text (1) if substring 1 lies in between the two strings EndString bhghk [jhbn] xxzh StartString I want this text (2) as a different variable if substring 2 lies in between the two strings EndString ghjyjgu'
target1 = 'StartString'
target2 = 'substring 1'
target3 = 'EndString'
pat1 = '{0}\s*((?:(?!{0}).)*?{1}.*?)\s*{2}'.format(target1,target2,target3)
pattern = re.compile(pat1, flags=re.DOTALL)
print(pattern.findall(text_data))
# => ['I want this text (1) if substring 1 lies in between the two strings']

【讨论】：