在两个子字符串之间以及字符串和文件末尾之间查找字符串

Question

我有以下问题。我想从多个文本文件中获取特定的字符串，文本文件中有一定的模式。例如

example_file = "this is a test Pear this should be included1 Apple this should not be included Pear this should be included2 Apple again this should not be included Pear this should be included3"

每个文件都非常不同，但在所有文件中，我想要文本 1：在“Pear”和“Apple”这两个词之间，我已经使用以下代码解决了这个问题：

x = re.findall(r'Pear+\s(.*?)Apple', example_file ,re.DOTALL)

返回：

['this should be included1 ', 'this should be included2 ']

我无法找到的想法是我也想要最后的字符串，'this should be included3'部分。所以我想知道是否有一种方法可以用正则表达式指定类似

 x = re.findall(r'Pear+\s(.*?)Apple OR EOF', example_file ,re.DOTALL)

那么如何在单词“Pear”和 EOF（文件结尾）之间进行匹配？请注意，这些都是文本文件（所以不是一个句子）

Answer 1

选择Apple 或$（匹配字符串结尾的锚点）：

x = re.findall(r'Pear\s+(.*?)(?:Apple|$)', example_file, re.DOTALL)

| 指定两个备选方案，(?:...) 是非捕获组，因此解析器知道选择 Apple 或 $ 作为匹配项。

请注意，我将 Pear+\s 替换为 Pear\s+，因为我怀疑您想要匹配任意空格，而不是任意数量的 r 字符。

演示：

>>> import re
>>> example_file = "this is a test Pear this should be included1 Apple this should not be included Pear this should be included2 Apple again this should not be included Pear this should be included3"
>>> re.findall(r'Pear\s+(.*?)(?:Apple|$)', example_file, re.DOTALL)
['this should be included1 ', 'this should be included2 ', 'this should be included3']