重新匹配两个单词之间的所有文本。

Question

我有一个文本文件，其内容遵循一组规则。下面是文件的一个片段：

<class 'NXOpen.Features.FeatureCollection'>
Type: <class 'NXOpen.Features.DatumCsys'> FeatureName: Datum Coordinate System(0)
    Parents:
    Children:
        Name:  , JournalIdentifier: SKETCH(1:1B)
    Expressions:
    Entities:
        Name:  , JournalIdentifier: HANDLE R-849
        Name:  , JournalIdentifier: HANDLE R-850
        Name:  , JournalIdentifier: DATUM_CSYS(0) YZ plane
        Name:  , JournalIdentifier: DATUM_CSYS(0) XZ plane
        Name:  , JournalIdentifier: DATUM_CSYS(0) XY plane
        Name:  , JournalIdentifier: DATUM_CSYS(0) X axis
        Name:  , JournalIdentifier: DATUM_CSYS(0) Y axis
        Name:  , JournalIdentifier: DATUM_CSYS(0) Z axis
Type: <class 'NXOpen.Features.DatumCsys'> FeatureName: Datum Coordinate System(1)inf
    Parents:
        Name:  , JournalIdentifier: DATUM_CSYS(0)
    Children:
        Name:  , JournalIdentifier: SKETCH(1)
    Expressions:
    Entities:
        Name:  , JournalIdentifier: HANDLE R-4283
        Name:  , JournalIdentifier: HANDLE R-4284
        Name:  , JournalIdentifier: SKETCH(1:1B) YZ plane
        Name:  , JournalIdentifier: SKETCH(1:1B) XZ plane
        Name:  , JournalIdentifier: SKETCH(1:1B) XY plane
        Name:  , JournalIdentifier: SKETCH(1:1B) X axis
        Name:  , JournalIdentifier: SKETCH(1:1B) Y axis
        Name:  , JournalIdentifier: SKETCH(1:1B) Z axis

我想使用re提取两个类型：标记之间的所有文本，例如，我想提取以下内容：

Type: <class 'NXOpen.Features.DatumCsys'> FeatureName: Datum Coordinate System(0)
    Parents:
    Children:
        Name:  , JournalIdentifier: SKETCH(1:1B)
    Expressions:
    Entities:
        Name:  , JournalIdentifier: HANDLE R-849
        Name:  , JournalIdentifier: HANDLE R-850
        Name:  , JournalIdentifier: DATUM_CSYS(0) YZ plane
        Name:  , JournalIdentifier: DATUM_CSYS(0) XZ plane
        Name:  , JournalIdentifier: DATUM_CSYS(0) XY plane
        Name:  , JournalIdentifier: DATUM_CSYS(0) X axis
        Name:  , JournalIdentifier: DATUM_CSYS(0) Y axis
        Name:  , JournalIdentifier: DATUM_CSYS(0) Z axis

还有这个

Type: <class 'NXOpen.Features.DatumCsys'> FeatureName: Datum Coordinate System(1)inf
    Parents:
        Name:  , JournalIdentifier: DATUM_CSYS(0)
    Children:
        Name:  , JournalIdentifier: SKETCH(1)
    Expressions:
    Entities:
        Name:  , JournalIdentifier: HANDLE R-4283
        Name:  , JournalIdentifier: HANDLE R-4284
        Name:  , JournalIdentifier: SKETCH(1:1B) YZ plane
        Name:  , JournalIdentifier: SKETCH(1:1B) XZ plane
        Name:  , JournalIdentifier: SKETCH(1:1B) XY plane
        Name:  , JournalIdentifier: SKETCH(1:1B) X axis
        Name:  , JournalIdentifier: SKETCH(1:1B) Y axis
        Name:  , JournalIdentifier: SKETCH(1:1B) Z axis

使用正则表达式。我在python上试过这个

re.findall('Type: [\w\s]+)Type:', string)

但这给了我一个空名单。要实现这一点，正确的re表达式应该是什么？

谢谢。

Answer 1

在您的模式Type: [\w\s]+)Type:中有一个未关闭的)

模式中匹配Type: 2次的问题是，当您第二次在模式中匹配它时，它将阻止下一次匹配，因为它已经匹配了。

您可以使用模式来匹配Type:后面跟着不以它开头的所有行。

^Type: .*(?:\n(?!Type: ).*)*

模式匹配：

• 字符串的^开始
• Type:匹配
• .*与行的其余部分匹配
• (?:非捕获群
  • \n(?!Type: ).*匹配换行符并断言它不以Type:开头，然后匹配整行

• )*关闭非捕获组并选择repeta

使用re.findall，行将是

re.findall(r"^Type: .*(?:\n(?!Type: ).*)*", string, re.M)

Regex演示 x- Python演示

Answer 2

试一试

"(?ms)^Type:(?:(?!^Type:).)*"

其中(?ms)打开re.MULTILINE和re.DOTALL模式，因此^匹配每一行的开头，.匹配任何字符，包括换行符。