Python的Regex findall不返回Unicode文本的所有匹配

Question

我有一个unicode文本，其中包含一个日志列表，其中包含关于每个日志的一些细节。我只想取回日记的名字。

我的文字很大，看上去如下：

6.跨语言和文化半年期ISSN: 1585-1923 AKADEMIAI KIADO ZRT，BUDAFOKI UT 187-189-A-3，布达佩斯，匈牙利，H-1117社会科学引文索引7) 7) 7. ACTA ANALYTICA-国际哲学期刊“分析季刊”ISSN: 0353-5150 SPRINGER，233 SPRING ST，NEW YORK，美国，NY，10013艺术与人文科学指数8) 807030-5774艺术与人文引文索引9) 9.博亚西亚半年度ISSN: 0800-3831 ROUTLEDGE杂志，TAYLOR & FRANCIS LTD，2-4 PARK SQUARE，MILTON PARK，ABINGDON，ENGLAND，OXON，OX14 4RN艺术和人文文献索引10) 10. ACTA CLASSICA年度ISSN: 0065-1141 UNIV FREE STATE，DEPT ENG古典LANG，PO BOX 339，BLOEMFONTEIN，南非，9300艺术与人文ACTA 11) 11.爱沙尼亚泰林大学出版社: 1406-2925爱沙尼亚出版社10130艺术与人文引文索引( 12) 12.第三委员会-年度ISSN: 1318-0185 4تاریخانتشار: 89/2/62پژوهشگاهوشبکهآزمایشگاهی98/3 :代码UNIV PRIMORSKA，SCI RES CENTRE，GARIBALDIJEVA 1，KOPER，斯洛文尼亚，CAPODISTRIA，SI-6,000社会科学引文指数艺术和人文引文指数13) 13.韩国学报，半年一次的ISSN: 1520-7412年一次的学术界پژوهشگاهوشبکهآزمایشگاهیKEIMYUNG UNIV，1095 DALGUBEOLDAERO，DALSEO-GU，大邱，韩国14.文化学学报: 1216-8076 AKADEMIAI KIADO ZRT，BUDAFOKI UT 187-189 A-3，匈牙利布达佩斯，H-1117社会科学索引艺术与人文科学索引15)15.文明学半年度ISSN: 0717-6848 UNIV康塞普西翁，FAC HUMANIDADES，CASILLA 160-C，CORREO 3，智利康塞普西翁，00000艺术与人文科学指数16) 1617.东方科学院-匈牙利科学家季刊ISSN: 1588-2667 AKADEMIAI KIADO ZRT，BUDAFOKI UT 187-189-A-3，布达佩斯，H-1117艺术与人文引用指数5تاریخانتشار: 89/2/62پژوهشگاهوشبکهآزمایشگاهی98/3 :代码当前内容-艺术与人文18 )18I-56123艺术与人文引文索引当前内容-艺术与人文

它想要回火柴

跨语言和跨文化半年一次 “分析学报”--国际哲学分析季刊 考古学报年度 等。

我已经尝试过了(https://regex101.com/r/eyafNd/1)，并且在reg101网站上，它似乎是有效的。

regex = r"^(\d+\)\s*\d+\.\s+)(.*?) ISSN"
l = re.findall(regex,txt,re.IGNORECASE)
print(len(l))
print(l)

它返回的是只有一个结果的列表，如下所示

[('6) 6. ', 'ACROSS LANGUAGES AND CULTURES Semiannual')]

任何帮助都将不胜感激。

政务司司长

Answer 1

也许看看这个regex：

(?<=\d\.\s).+?(?=\sISSN)

Regex Demo

regex = r"(?<=\d\.\s).+?(?=\sISSN)"
l = re.findall(regex, txt, re.I)
print(len(l))
print(l)

这意味着要在number+dot+whitespace之后开始匹配，直到字符whitespace+ISSN为止。然后，我可以确认，当我编写您的文本时，我收到了下面的输出列表和代码：

['ACROSS LANGUAGES AND CULTURES Semiannual', 'ACTA ANALYTICA-INTERNATIONAL PERIODICAL FOR PHILOSOPHY IN THE ANALYTICAL TR ADITION Quarterly', 'ACTA ARCHAEOLOGICA Annual'...]