在 Python 中使用正则表达式在文本后提取字符串

Question

我有一个文档文件，它具有以下结构：This is a fairy tale written by    John Doe and Mary Smith        Auckland,somewhere     This story is awesome我想提取两行文本，它们是：        John Doe and Mary Smith                Auckland,somewhere并使用正则表达式将这些值附加到列表中。我要提取的两行总是在This is a fairy tale和 所写的行之间This story is awesome。我怎样才能做到这一点？我尝试了一些与 的组合before_keyword,keyword,after_keyword=text.partition(regex)，但一点运气都没有。

Answer 1

re.DOTALL您可以使用正则表达式来.匹配任何字符，包括换行符。一旦在两个分隔符之间有了文本，就可以使用另一个不带 的正则表达式来re.DOTALL提取至少包含一个非空白字符 ( \S) 的行。

import re

lst = []

with open('input.txt') as f:

    text = f.read()

match = re.search('This is a fairy tale written by(.*?)This story is awesome', 

                  text, re.DOTALL)

if match:

    lst.extend(re.findall('.*\S.*', match.group(1)))

print(lst)

给出：

['    John Doe and Mary Smith', '    Auckland,somewhere']

Answer 2

你可以从这个开始：

re.search(r'(?<=This is a fairy tale written by\n).*?(?=\n\s*This story is awesome)', s, re.MULTILINE|re.DOTALL).group(0)

并微调这个正则表达式。re.MULTILINE可能会被省略，因为你没有^或$无论如何，但也re.DOTALL需要让.匹配换行符。上面的正则表达式使用向前看和向后看(?<=)，(?=)。如果您不喜欢那样，您可以使用括号来代替捕获。

Answer 3

如果您可以从文档文件创建字符串列表，则无需使用正则表达式。只需执行这个简单的程序：

fileContent = ['This is a fairy tale written by','John Doe and Mary Smith','Auckland,somewhere','This story is awesome',

               'Some other things', 'story texts', 'Not Important data',

               'This is a fairy tale written by','Kem Cho?','Majama?','This story is awesome', 'Not important data']

               

authorsList = []

for i in range(len(fileContent)-3):

    if fileContent[i] == 'This is a fairy tale written by' and fileContent[i+3] == 'This story is awesome':

        authorsList.append([fileContent[i+1], fileContent[i+2]])

print(authorsList)

在这里，我只是检查'This is a fairy tale written by'and'This story is awesome'如果找到，则在列表中在它之间添加文本。

输出：

[['John Doe and Mary Smith', 'Auckland,somewhere'], ['Kem Cho?', 'Majama?']]

Answer 4

尝试改用它。它应该匹配这两个字符串之间的任何内容。

re.search(r'(?<=This is a fairy tale).*?(?=This story is awesome)',text)