新行的正则表达式无法弄清楚答案

【问题标题】：Regex for New Line Can't Figure out新行的正则表达式无法弄清楚
【发布时间】：2020-01-11 02:24:30
【问题描述】：

我正在尝试获取“每年”之后和“所有税”之前的任何内容，但无法找出正则表达式。

我尝试了几个正则表达式，但由于某种原因没有奏效。任何人都可以帮忙吗？尝试使用正则表达式和 python，但两者都不起作用。

> r'per annum\\.(.+)\nAll taxes are assessed'
> 
> r'per annum\\.\n(.+)\nAll taxes are assessed'

> r'per annum(.+)nAll taxes are assessed'

interest charges at 8.0 % per annum.

MCMAHON, DENISE M
%RDM PROPERTIES
PO BOX 653
GOFFSTOWN NH 03045
MCMAHON, RAYMOND J
All taxes are assessed as of April 1st of each year.  Unless 
directed otherwise, tax bills are mailed to the last known 
address of the first owner l

【问题讨论】：

per annum\.\n((\n|.)*)All taxes capture group 1 会有你想要的我想。不过，我不熟悉 python 转义。见regex101.com/r/IaQOV0/1
我很困惑，为什么 (\n|.)* 会起作用，但 (.)* 两者之间的任何东西都不起作用

标签： python regex newline

【解决方案1】：

per annum.\n([\S\s]*)All taxes

可以为你工作。 [\S\s] 匹配任何字符，包括换行符。

【讨论】：

【解决方案2】：

这是一个 Python 解决方案：

import re
text = 'your text here'
match = re.search(r'\bper annum\.\s*(.+?)\nAll taxes are assessed', text, re.S)
if match:
  print(match.group(1))

见online regex demo

(.+?) 捕获per annum. 和后跟All taxes are assessed 的换行符之间的任何文本。请注意annum 之后的点被转义，因为它是一个特殊的正则表达式字符。 . 匹配行尾，感谢 re.S 标志。

另外，re.search 找到第一个正则表达式匹配，match.group(1) 获得第 1 组中的捕获。

【讨论】：

使用 s 标志可能是最简单和最漂亮的解决方案。

【解决方案3】：

已经有其他答案可以使用，但是这个答案更准确地回答了“新行的正则表达式”这个问题。在正则表达式中，点匹配除行终止符之外的任何字符。所以你想匹配和捕获任何字符或换行符。我把这部分放在一个非捕获组中，但这并不是绝对必要的。您可以改为忽略内部组进行的所有匹配。

我假设你不想捕获空行，所以我在捕获组前面放了另一个换行符。

r'per annum\.\n\n((?:.|\n)+)\nAll taxes'

如前所述，[\s\S] 方法也有效。

【讨论】：

@Toto 很棒的链接，我同意。问题仍然是“新行的正则表达式”。应该是“Regex to not exclude New Line”。

【解决方案4】：

您对原始字符串感到困惑。在原始 Python 字符串中，反斜杠仅表示反斜杠。但随后正则表达式引擎会解释这些。

r'\\' 作为正则表达式匹配文字反斜杠。

r'\n' 作为正则表达式匹配换行符。

r'\.'（或r'[.]' 或'\\.'，不带r 前缀）匹配文字点。

所以你的错误是匹配点的正则表达式，而不是匹配换行符的正则表达式。

另外，当然，如果要匹配多行，就这么说吧；

r'per annum\.(\n.+)+?All taxes are assessed'

不贪心的+? 说要匹配尽可能少的重复，而不是尽可能多。

【讨论】：

两者兼而有之。正则表达式中的点与行终止符不匹配。
我认为你想写“懒惰”而不是“贪婪”。更重要的是，您的编辑根本不匹配输入字符串。