为什么正则表达式不返回任何匹配项？答案

【问题标题】：Why is regex not returning any matches?为什么正则表达式不返回任何匹配项？
【发布时间】：2021-12-27 16:22:54
【问题描述】：

我正在尝试使用正则表达式从 Outlook 电子邮件正文中的文本中提取某些子字符串。

这是我正在尝试使用的带有正则表达式的函数：

def EventDescription(emailbody):
    regex = r'\d\d:\d\d\sDescription: (.*?)\s(?:_)'
    substring = re.findall(regex, emailbody, re.DOTALL)
    # return the matches
    return substring

这是我尝试对其执行正则表达式的原始字符串：

***External Sender - This email is from an external sender.*** 
     
Date/Time Start:     
2021-12-25 08:38     
Anticipated Date/Time Restored:  
2021-12-25 16:21     
Duration:    
7.72     
Outage Type:     
Forced Outage (FO)   
Capacity De-Rate:    
0.00     
Maximo Work Orders:  
Work Order #:NA00360131, Description: ALO1: ALO1_B002_P008.Inv016 - Inverter 16 is derating due to a broken tracking motor.  

Created On: 2021-12-26 09:06
Description: Updated!
Inverter 16 is restored by site tech.
________________________________________

     
Date/Time Start:     
2021-12-25 09:53     
Anticipated Date/Time Restored:  
2021-12-27 16:00     
Duration:    
54.12    
Outage Type:     
Forced Outage (FO)   
Capacity De-Rate:    
0.85     
Maximo Work Orders:  
Work Order #:NA00360131, Description: ALO1: ALO1_B002_P008.Inv016 - Inverter 16 is derating due to a broken tracking motor.  

Created On: 2021-12-25 13:58
Description: 
Updated ETR.
________________________________________

     
Date/Time Start:     
2021-12-25 09:53     
Anticipated Date/Time Restored:  
2021-12-25 16:00     
Duration:    
6.12     
Outage Type:     
Forced Outage (FO)   
Capacity De-Rate:    
0.85     
Maximo Work Orders:  
Work Order #:NA00360131, Description: ALO1: ALO1_B002_P008.Inv016 - Inverter 16 is derating due to a broken tracking motor.  

Created On: 2021-12-25 09:54
Description: 
Inverter 16 tripped offline. No fault code available in FleetCon or SCADA. Site personnel informed.
________________________________________

但是当我尝试从列表“子字符串”中提取其中一个条目时，我收到“IndexError: list index out of range”错误。有什么建议吗？

【问题讨论】：

您的模式不匹配，因为在示例文本中没有匹配 \s_
你能把文本文字放在代码块中吗（没有语法高亮，又名``` text）？我觉得问题源中的下划线分隔符是文本的一部分。然而它们目前由降价引擎解析，让我们感觉您正在尝试解析 3 个单独的字符串而不是 1 个大字符串。
我相信我已经修复了我的原始帖子以更好地显示原始字符串（如果不是，请告诉我）但你是正确的。当我将电子邮件正文复制/粘贴到文本编辑器中时，分隔符显示为下划线，这就是为什么我将它们作为原始正则表达式的一部分包含在内，以区分我尝试匹配的 3 个单独实例。
@RandomUser27 您的模式似乎有效吗？见ideone.com/hgCRDP

标签： python regex

【解决方案1】：

您的正则表达式非常复杂，不会返回任何匹配项。你应该试试这个：

regex = r'\d\d:\d\d\sDescription: (.*)'

它只是匹配Description: 之后的整个字符串。使用您的示例字符串，它会返回您请求的所有匹配项。

编辑：您还必须从findall 中删除一个参数才能使其工作。 re.DOTALL 不会在新行处停止匹配。使用以下代码，您应该会收到所需的输出：

def EventDescription(emailbody):
    regex = r'\d\d:\d\d\sDescription: (.*)'
    substring = re.findall(regex, emailbody)
    # return the matches
    return substring

【讨论】：

感谢您的回复。上面建议的问题是我需要它只返回“描述：”之后的字符串，直到“日期/时间开始：”文本之前的下一个分隔符。它应该在示例字符串中返回 3 个匹配项，因为有 3 个以时间戳开头的“描述”文本实例。当我将电子邮件正文复制到文本编辑器中时，分隔符显示为下划线，这就是为什么我的原始正则表达式末尾有 '(?:_)'。
你是对的。我只测试了正则表达式而不是你的代码。您使用了一个不必要的标志。删除它会产生您想要的输出。我在答案中添加了新功能。
我编辑了我的原始帖子以更好地显示原始字符串，但删除 DOTALL 的问题是在某些情况下我试图返回的子字符串跨越多行。例如，第一个匹配项应包括“更新！”以及“逆变器 16 已由现场技术恢复”。在下一行。

【解决方案2】：

试试这样的：

Description:\s(.*?)_{40,}

这样，我们将匹配描述和下划线行之间的所有内容。请注意，您仍然需要使用 DOTALL 模式。

https://regex101.com/r/qoiSwl/1

我添加了End of Event \n\n\n 只是为了突出显示每场比赛的开始和结束位置，因为换行符很难分辨。

【讨论】：

【解决方案3】：

使用

\d{2}:\d{2}\s+Description:\s*(.*?)\s+_

见regex proof。

解释

--------------------------------------------------------------------------------
  \d{2}                    digits (0-9) (2 times)
--------------------------------------------------------------------------------
  :                        ':'
--------------------------------------------------------------------------------
  \d{2}                    digits (0-9) (2 times)
--------------------------------------------------------------------------------
  \s+                      whitespace (\n, \r, \t, \f, and " ") (1 or
                           more times (matching the most amount
                           possible))
--------------------------------------------------------------------------------
  Description:             'Description:'
--------------------------------------------------------------------------------
  \s*                      whitespace (\n, \r, \t, \f, and " ") (0 or
                           more times (matching the most amount
                           possible))
--------------------------------------------------------------------------------
  (                        group and capture to \1:
--------------------------------------------------------------------------------
    .*?                      any character (0 or more times
                             (matching the least amount possible))
--------------------------------------------------------------------------------
  )                        end of \1
--------------------------------------------------------------------------------
  \s+                      whitespace (\n, \r, \t, \f, and " ") (1 or
                           more times (matching the most amount
                           possible))
--------------------------------------------------------------------------------
  _                        '_'

【讨论】：