短语中多行中断的正则表达式

Question

我正在用Python学习正则表达式，我想准备一个RE来匹配和收集下面输入的句子：

1. 食品:蛋糕:由面粉、糖和其他配料制成的烤甜食品。
2. 电子学:计算机:进行计算机编程操作的机器。 计算机主要由CPU、显示器、键盘和鼠标组成。
3. 汽车:汽车:汽车是一种四轮机动车辆，用于运输。

我的预期输出应该给我类别，项目和该项目的描述。因此，对于第一项，蛋糕，RE应该分组“食物”，“蛋糕”，“烤甜食品由面粉，糖和其他成分。”

我现在的RE是这样的：

[0-9]+\s*.\s*(\w*)\s*:\s*(\w*)\s*:\s*(.*)

这似乎是工作的项目，有描述，没有换行。如果它有一个换行符，即示例中的计算机，则RE只与其描述匹配，直到行中断为止。RE抛弃了描述中的第二句。

请帮助我理解我在这里错过了什么。

Answer 1

这可能是一种基本的方法，但它适用于您提供的示例输入：

[0-9]+\s*.\s*(\w*)\s*:\s*(\w*)\s*:\s*((?:.*[\n\r]?)+?)(?=$|\d\s*\.)

基本上，我们在描述中尽可能多地接受文本(包括换行符)，直到我们到达文件的末尾或另一个数字索引。

您可以看到实现这里

Answer 2

如果类别、项和描述用双换行符分隔，则可以使用此示例解析它(regex101)：

import re

txt = '''1. Food : Cake : Baked sweet food made from flour, sugar and other ingredients.

2. Electronics : Computer : A machine to carry out a computer programming operation.
   Computers mainly consists of a CPU, monitor, keyboard and a mouse.

3. Automobile : Car : Car is a four wheeled motor vehicle used for transportation.'''


for cat, item, desc in re.findall(r'^(?:\d+)\.([^:]+):([^:]+):(.*?)(?:\n\n|\Z)', txt, flags=re.M|re.S):
    print(cat)
    print(item)
    print(desc)
    print('-' * 80)

指纹：

 Food 
 Cake 
 Baked sweet food made from flour, sugar and other ingredients.
--------------------------------------------------------------------------------
 Electronics 
 Computer 
 A machine to carry out a computer programming operation.
   Computers mainly consists of a CPU, monitor, keyboard and a mouse.
--------------------------------------------------------------------------------
 Automobile 
 Car 
 Car is a four wheeled motor vehicle used for transportation.
--------------------------------------------------------------------------------