Python使用正则表达式匹配具有多个换行符的段落答案

【问题标题】：Python match a paragraph with multiple line-breaks using regexPython使用正则表达式匹配具有多个换行符的段落
【发布时间】：2019-09-08 20:29:49
【问题描述】：

我尝试使用 Python 和 Re 匹配段落。

文本示例：

Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat， sed 直径 voluptua。 At vero eos et accusam et justo duo dolores et ea 责备。

此处有两个或多个换行符

Stet clita kasd gubergren, no sea takimata sanctus est Lorem ipsum dolor sit amet。

此处有两个或多个换行符

Ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat, sed 直径 voluptua。 At vero eos et accusam et justo duo dolores et ea 责备。 Stet clita kasd gubergren, no sea takimata sanctus est Lorem ipsum dolor sit amet。

这个表达式似乎几乎可以完成这项工作：

paragraphs = re.findall(r'(?s)((?:[^\n][\n]?)+)', textContent)

但我想确保仅在有两个或多个换行符时才匹配。目前匹配太频繁了。

编辑：

ART. WEFWEFEW
  1 SDVSDRG: **<at the momemnt it breaks here, but it shouldnt>**
     a. wevvdfvdfd
     b. sdfsdfsdfsdfsdfsdghtrhrth

编辑2：

ART. WEFWEFEW
   1 SDVSDRG: 
      **here are two line-breaks, but dont split this paragraph**
      **at the momemnt it breaks here, but it shouldnt**
     a. wevvdfvdfd
     b. sdfsdfsdfsdfsdfsdghtrhrth

【问题讨论】：

您是否使用在线正则表达式测试器来尝试模式？
是，使用：pythex.org
two or more line-breaks 或 two-or-more empty lines?
有什么区别？
Currently it matches too often. - 您希望 .findall() 返回示例文本的哪些部分？

标签： python regex paragraph findall

【解决方案1】：

在RegEx101 上查看这个正则表达式(?m)(?:.+(?:\n.)?)+，您还可以在其中得到它的解释。

使用此正则表达式的示例 Python 代码：

import re
import pprint

textContent = '''Lorem ipsum dolor sit amet, consetetur sadipscing elitr,
sed diam nonumy eirmod tempor invidunt ut labore et dolore
magna aliquyam erat, sed diam voluptua. At vero eos et
accusam et justo duo dolores et ea rebum.

Stet clita kasd gubergren, no sea takimata sanctus est Lorem
ipsum dolor sit amet.


Ipsum dolor sit amet, consetetur sadipscing elitr, sed diam
nonumy eirmod tempor invidunt ut labore et dolore magna
aliquyam erat, sed diam voluptua. At vero eos et accusam et
justo duo dolores et ea rebum. Stet clita kasd gubergren, no
sea takimata sanctus est Lorem ipsum dolor sit amet.



ART. WEFWEFEW
  1 SDVSDRG:
     a. wevvdfvdfd
     b. sdfsdfsdfsdfsdfsdghtrhrth'''

pprint.pprint(re.findall(r'(?m)(?:.+(?:\n.)?)+', textContent))

输出：

['Lorem ipsum dolor sit amet, consetetur sadipscing elitr,\n'
 'sed diam nonumy eirmod tempor invidunt ut labore et dolore\n'
 'magna aliquyam erat, sed diam voluptua. At vero eos et\n'
 'accusam et justo duo dolores et ea rebum.',
 'Stet clita kasd gubergren, no sea takimata sanctus est Lorem\n'
 'ipsum dolor sit amet.',
 'Ipsum dolor sit amet, consetetur sadipscing elitr, sed diam\n'
 'nonumy eirmod tempor invidunt ut labore et dolore magna\n'
 'aliquyam erat, sed diam voluptua. At vero eos et accusam et\n'
 'justo duo dolores et ea rebum. Stet clita kasd gubergren, no\n'
 'sea takimata sanctus est Lorem ipsum dolor sit amet.',
 'ART. WEFWEFEW\n'
 '  1 SDVSDRG:\n'
 '     a. wevvdfvdfd\n'
 '     b. sdfsdfsdfsdfsdfsdghtrhrth']

Rextester 上的演示。

【讨论】：