Python重新解析文件

Question

我正在尝试解析包含多个块的文件。该文件如下所示。

$ Start of something1
.........contents
.........
$ End of something1
$ Start of something2
..........
..........
$ End of something2
some comments that should be included in block2.
$ Start of something3
.......
.......
$ End of something3

我已经成功地从第一行（$ Start）解析到包含“$ End of .....”的块的最后一行。 但是我遇到的问题基本上是针对我的示例中的 2nd 块，它在结束页脚之后有一些 cmets。 我基本上需要在开始时找到 $ Start 并找到下一个 $ Start 但在下一个“$ Start”之前找到所有内容。 提前非常感谢。

Answer 1

您可以使用不属于捕获组的肯定前瞻：

t = """$ Start of something1
.........contents
.........
$ End of something1
$ Start of something2
..........
..........
$ End of something2
some comments that should be included in block2.
$ Start of something3
.......
.......
$ End of something3""" 


import re

for k in re.findall(r'(\$ Start of .*?)(?=(?:\$ Start|\Z))',t,re.DOTALL|re.MULTILINE):
        print "------ new find --------" 
        print k  
        print "------- end ------------\n\n" 

输出：

------ new find --------
$ Start of something1
.........contents
.........
$ End of something1

------- end ------------


------ new find --------
$ Start of something2
..........
..........
$ End of something2
some comments that should be included in block2.

------- end ------------


------ new find --------
$ Start of something3
.......
.......
$ End of something3
------- end ------------

说明：

该模式捕获以文字 $ Start of 开头的组，后跟尽可能少的字符（包括由于 re.DOTALL 引起的换行符），以便匹配后跟 $ Start 或 \Z == 字符串结尾.

(?=..) 是正向前瞻，它的内容 (?:\$ Start|\Z) 不属于它之前的组，并且它自己的组是非捕获的。

• 第一捕获组(\$ Start of .*?)
  • \$ 匹配字符 $ 字面意思（区分大小写）
  • Start of 与字符 Start of 逐字匹配（区分大小写）
  • .*? 匹配任何字符
    • *? Quantifier — 匹配零次到无限次，尽可能少，根据需要扩展（惰性）
• 正向超前(?=(\$ Start|\Z))
  • 断言下面的正则表达式匹配
  • 第二捕获组(\$ Start|\Z)
    • 第一选择\$ Start
      • \$ 匹配字符 $ 字面意思（区分大小写）
      • Start 匹配字符 Start 字面意思（区分大小写）
    • 第二选择\Z
      • \Z 在字符串末尾断言位置，或在字符串末尾的行终止符之前（如果有）

全局模式标志

• re.MULTILINE：多行。导致 ^ 和 $ 匹配的开始/结束 每行（不仅是字符串的开头/结尾）re.

• re.DOTALL：单行。点匹配换行符

你可以在https://regex101.com/r/h27O0d/1查看解释，我根据你的文字开发了正则表达式。