使用python正则表达式将文本拆分成部分

Question

我有一个大的多行字符串，其中多个条目遵循相似的格式。我想将它分成每个条目的字符串列表。

我试过如下：

myre = re.compile('Record\sTime.*-{5}', re.DOTALL) 
return re.findall(myre, text) 

在这种情况下，项，其 '记录时间'，并与结束 '-----'。上面的代码不是按照我想要的方式进行操作，而是返回一个项目，从第一个条目开始时开始，到最后一个结束时结束。

我大概可以找到一种方法，使用正则表达式来查找段的末尾，然后从原始文本片段开始重复，但似乎凌乱。

Answer 1

你需要把.*成不愿匹配，通过增加一个问号：

.*? 

否则它匹配尽可能多的，因为它可以从第一个记录的中间的中间最后的记录。

见Greedy vs. Reluctant vs. Possessive Quantifiers

Answer 2

事情是这样的：

txt='''\ 
Record Time 
1 
2 
3 
----- 

Record Time 
4 
5 
----- 
Record Time 
6 
7 
8 
''' 

import re 
pat=re.compile(r'^Record Time$(.*?)(?:^-{5}|\Z)', re.S | re.M) 
for i, block in enumerate((m.group(1) for m in pat.finditer(txt))): 
    print 'block:', i 
    print block.strip() 

打印：

block: 0 
1 
2 
3 
block: 1 
4 
5 
block: 2 
6 
7 
8 

Answer 3

你可以利用这一点避免不情愿的量词，它是一招效仿的原子团：(?=(...))\1 。它不完全在主题中，但它可以是有用的：

myre = re.compile('Record\sTime(?:(?=([^-]+|-(?!-{4})))\1)+-{5}')