如何使用 python findall 获取多个元组答案

【问题标题】：How to obtain multiple tuples using pythons findall如何使用 python findall 获取多个元组
【发布时间】：2017-12-26 15:50:29
【问题描述】：

我正在尝试使用 python findall() 从以下“文本”中获取多个元组

text = '[szur formatter] line 1<?xml version="1.0"?><star>[szur parser] line 2<?xml version="1.0"?><Planet>'

我想从'text'中获取以下匹配模式

    Match 1
    [szur formatter] line 1 
    <?xml version="1.0"?><star>

    Match 2
    [szur parser] line 2
    <?xml version="1.0"?><Planet>

我正在尝试使用此正则表达式对 findall 进行此操作

re.findall(r'\[(szur.*?[^<])(<.*>+)', text)

这会产生

[('szur formatter] line 1', '<?xml version="1.0"?><star>[szur parser] line 2<?xml version="1.0"?><Planet>')]

如何获得预期的结果。我的正则表达式不会产生第二个元组。我需要如何修改我的正则表达式才能获得这个？任何指针将不胜感激。

【问题讨论】：

(\[szur.*?[^\[<]+)([^\[]+) ? regex101.com/r/EaPBwA/2

标签： python regex findall

【解决方案1】：

这是一个做出一些假设的正则表达式：

>>> re.findall(r"(\[szur.*?[^\]]\] line \d*)([^\[]*)", text)
[('[szur formatter] line 1', '<?xml version="1.0"?><star>'), 
 ('[szur parser] line 2',    '<?xml version="1.0"?><Planet>')]

但是说真的，伙计，如果您发现自己使用正则表达式解析 XML 和非 XML 的混合体，请问自己：“我是怎么到这里的？”

【讨论】：

【解决方案2】：

我想知道这是否是一个好主意（即使用正则表达式），但你去吧：

\[szur[^][]*\].*?<\w+>

使用DOTALL 修饰符并查看a demo on regex101.com。

在Python：

import re

string = """[szur formatter] line 1<?xml version="1.0"?><star>[szur parser] line 2<?xml version="1.0"?><Planet>"""

rx = re.compile(r'(\[szur[^][]*\].*?<\w+>)')

matches = rx.findall(string)
# matches = rx.findall(string, re.DOTALL)
print(matches)

【讨论】：