以特定文本开头的段落的正则表达式答案

【问题标题】：Regex of a parapgraph starting with specefic text以特定文本开头的段落的正则表达式
【发布时间】：2014-02-19 18:23:34
【问题描述】：

我想使用正则表达式从文本中删除以特定单词开头的段落。假设我们有 lorem ipsum 文本，我们想删除第一段 (http://en.lipsum.com/feed/html)

我正在使用python，我试过了：

t = r"^Lorem ipsum.*\n\n"
text.replace(t,"")

文本没有发生任何事情。我的问题不是关于 python ，而是关于匹配以某些单词开头的段落的正则表达式。

【问题讨论】：

标签： regex

【解决方案1】：

这很大程度上取决于您对“段落”的定义——它是由空行分隔的行序列吗？大多数正则表达式处理工具都是面向行的，它们逐行处理文本，因此它们可能无法按您预期的那样工作。这也适用于 Python re 库，但它提供了解决方法 - 在您的情况下，re.sub('^Lorem ipsum.*?\n\n', '', text, flags=(re.S | re.M)) 之类的东西应该可以完成这项工作（请注意，text.replace 根本不适用于正则表达式）。

如果文本足够短，这可行，但对于长文本，您应该使用稍微不同的方法 - 我自己会使用awk，其他人可能会建议使用perl，也可以使用python；像 grep 或 sed 这样更简单的纯正则表达式工具可能在这里不受欢迎。

【讨论】：

问题是 text.replace() 不适用于正则表达式。

【解决方案2】：

如果您的段落中有换行符，您的正则表达式将不起作用（它仅适用于单行段落）。尝试以下正则表达式：^Lorem ipsum[\s\S]*\n\n。见http://regex101.com/r/fF9uZ6

【讨论】：

你应该添加一个'?'用于惰性匹配而不是贪婪。