匹配python中先前定义的组答案

【问题标题】：Matching previously defined groups in python匹配python中先前定义的组
【发布时间】：2013-11-02 03:40:35
【问题描述】：

这个问题是关于匹配以前在python中定义的组......但它并不那么简单。

这是我要匹配的文本：

Figure 1: Converting degraded weaponry to research materials.

Converting degraded weaponry to research
materials.

这是我的正则表达式：

(Figure )(\d)(\d)?(: )(?P<description>.+)(\n\n)(?P=description)

现在，我目前的问题是正则表达式无法匹配文本，因为在第三行的“research”之后出现了换行符。我希望 python 在将前一个组与我的字符串匹配时忽略换行符。

【问题讨论】：

这不是标准正则表达式中的东西，据我所知。试试 Python 的模糊匹配。
我相信您可以使用re.MULTILINE 完成此任务。看看这是否有帮助：stackoverflow.com/questions/587345/…
不幸的是，仅仅启用 re.MULTILINE 并没有帮助。
@Hoopdady 不，re.MULTILINE 只会导致 ^ 和 $ 锚点匹配每行的开头和结尾，而不是仅匹配字符串的开头和结尾。 docs.python.org/2/library/re.html#module-contents
您必须事先以某种方式将文本规范化，才能使这种匹配起作用。一种可能性是textwrap。

标签： python regex

【解决方案1】：

似乎有两种通用方法：要么规范化文本（如 jhermann 所建议的那样），要么为每个可能的匹配运行一个函数/代码片段，并进行比单次更复杂的比较正则表达式。

规范化：

text = re.sub(r"\n\n", somespecialsequence, text);
text = re.sun(r"\s*\n", " ", text);
text = re.sub(r"\s+", " ", text);
text = re.sub(somespecialsequence, "\n\n", text);

现在，这应该可以正常工作了：(Figure )(\d)(\d)?(: )(?P<description>.+)(\n\n)(?P=description)

或者，使用代码片段：

matches = re.finditer(r"(Figure )(\d+)(: )(.+)(\n\n)(.+)(?=Figure )", text, flags=re.S)
for m in matches:
    text1 = m.group(4)
    text2 = m.group(6)
    text1 = re.sub("\W+", " ", text1)
    text2 = re.sub("\W+", " ", text2)
    if (text1 == text2):
        // this is a match

【讨论】：