python regex在第一项和最后一项之间保持一行。

Question

所以我有一个文本文件，有几个字符串显示为“继续阅读主要故事”。假设文本如下所示：

第1部分 继续读主要故事 第2部分 继续读主要故事 第3部分 继续读主要故事 继续读主要故事 第4部分

我想要的是part2和part3，如下所示：

第2部分 继续读主要故事 第3部分

因为它是在“继续阅读故事”的第一次出现和最后一次出现之间。现在，我已经考虑使用以下代码：

my_regex = re.compile("(Continue reading the main story)"+
                   ".*"+ # match as many chars as possible
                   "(Continue reading the main story)",
                   re.DOTALL)
new_str = my_regex.sub("\1\2", text)

但是它不起作用。怎么改正呢？

Answer 1

如果你知道你的短信不是以“继续.”开头的不以“继续.”结尾，你可以用“继续.”分开字符串，移除第一项、最后一项和空项，您将得到所需的东西。

import re
text = """\
part 1

Continue reading the main story

part 2

Continue reading the main story

part 3

Continue reading the main story

Continue reading the main story

part 4
"""

parts = re.split('Continue reading the main story', text)
print(parts)
# Ignore first and last part, test for and ignore
# empty (all whitespace) strings
innerparts = [part for part in parts[1:-1] if part.strip()]
print("".join(innerparts))

结果：

part 2



part 3

(有相当多的新行，因为输入就是这样的。如果您想摆脱这种情况，可以使用part.strip() )。)

Answer 2

试着跟着雷杰斯。我使用的是后视功能和前瞻性功能：

rx = "(?<=part 1\n{2}Continue reading the main story).*(?=Continue reading the main story[\r\n]+part 4)"

for match in re.finditer(rx, text, re.IGNORECASE | re.DOTALL | re.MULTILINE):
    print(match.group().strip())

根据您给定的文本，它将打印

part 2

Continue reading the main story

part 3

Continue reading the main story

Answer 3

一个简单的re.findall()就可以做到这一点。

rgx = r'Continue reading the main story(.*)Continue reading the main story'
match = re.findall(rgx, text, re.DOTALL)
if match:
    result = match[0].strip()
    print(result)

根据您给定的文本，这将打印

part 2

Continue reading the main story

part 3

Continue reading the main story