使用正则表达式拆分具有相同标题的数据块

Question

我有一个像这样构建的长字符串：[[title]]a = "1"b = "1"c = "1"d = "1"e = [ "1", "1",][[title]]a = "2"b = "2"c = "2"d = "2"e = [ "2",][[title]]a = "a3"b = "3"c = "3"[[title]]a = "a4"b = "4"c = "4"e = [ "4",]我的目标是提取每个标题中的文本（没有标题）并将其放入切片中。我试过使用属性键（如 d 和 e），但有时它们不存在。您可以在下面查看我的正则表达式：(?m)(((\[\[title]]\s*\n)(?:^.+$\n)+?)(d.*?$)(\s*e(.|\n)*?])?)我想找到一种方法来提取每个标题之间的数据，直到 \n 或字符串结尾编辑：我正在使用 GO，所以我不能使用 look around \ behind 语法

Answer 1

您可以使用以下匹配 from[[title]]到空行的模式。

`\[\[title]](.*?)^$`gms

解释

• \[\[title]]比赛[[title]]

• (捕获组

• .*?非贪婪匹配直到下一场比赛

• )关闭群组

• ^$使用m（多行）标志这意味着空行

查看使用Golang正则表达式引擎的演示

Answer 2

这似乎有效。它不像@ArtyomVancyan 的回答那么简单或优雅，尽管它有一点优势，即它不需要在表达式末尾换行：

[演示]

(?m)(?:\[\[title]]\n((?:.*\n)+?(?:\]|^$)))+

解释：

• (?m): 多行修饰符。

• (?:\[\[title]]\n(<text until next closing square bracket or blank line>))+：找到一个或多个以 开头[[title]]\n和后跟的块<text until next closing square bracket or blank line>，并捕获这些文本。

• (?:.*\n)+?(?:\]|^$)：两个连续的非捕获子组；第一个是一堆线，(?:.*|n)+，非贪婪的，?; 第二个是右方括号], 或空行^$. 也就是说，一堆行以包含右方括号或空行的第一行结尾。

Answer 3

您可以使用一种模式来重复标题部分下行的可能格式。

这些行以单词字符开头，后跟=一部分"..."或[...]

\[\[title]]((?:\r?\n\w+\s*=\s*(?:"[^"]*"|\[[^\]\[]*]))*)

解释

• \[\[title]]比赛[[title]]

• (捕获组 1

• \r?\n匹配一个换行符

• \w+\s*=\s*匹配 1+ 个单词字符和=可选的空白字符之间

• (?:备选方案的非捕获组

• )关闭非捕获组

• "[^"]*"匹配来自"..."

• |要么

• \[[^\]\[]*]匹配从[...]

• (?:非捕获组

• )*关闭非捕获组并可选择重复

• )关闭第 1 组

正则表达式演示

Answer 4

与其制作一个看起来充满危险的正则表达式，不如为你的自定义格式构建一个自定义解析器可能会更好，或者你可能会发现你可以重新利用INI configparser的实现

如果标题总是被定义为在块的对内[[]] 和块的开头，您可以使用正则表达式来查找它们，但只能将它们分开

如果您对内容不感兴趣（当然下一步就是您）并且您确定结构如您所展示的那样简单，您也可以直接在这些内容上拆分两次

>>> long_string_config = """ """  # input data omitted for brevity

>>> for block in filter(None, (a.split("]]")[-1].strip() for a in long_string_config.split("[["))):

...    print("---")

...    print(block)

...

---

a = "1"

b = "1"

c = "1"

d = "1"

e = [

 "1",

 "1",

]

---

a = "2"

b = "2"

c = "2"

d = "2"

e = [

 "2",

]

---

a = "a3"

b = "3"

c = "3"

---

a = "a4"

b = "4"

c = "4"

e = [

 "4",

]