Python中的多行模式匹配

Question

一个定期生成的计算机消息（简化版）：

Hello user123,

- (604)7080900
- 152
- minutes

Regards

使用Python，我该如何提取“(604)7080900”、“152”、“minutes”（也就是任何以“- ”开头的文本）在两个空行之间（空行是指“Hello user123”后面的\n\n和“Regards”前面的\n\n）。如果结果字符串列表能存储在一个数组里就更好了。谢谢！

补充说明：两个空行之间的行数是不固定的。

第二次补充：

例如：

hello

- x1
- x2
- x3

- x4

- x6
morning
- x7

world

x1、x2、x3是好的，因为它们都被两个空行包围，x4也是好的，原因相同。x6不好，因为后面没有空行，x7也不好，因为前面没有空行。x2是好的（和x6、x7不一样），因为它前面有一行好行，后面也有一行好行。

我在发布问题时，这些条件可能不太清楚：

a continuous of good lines between 2 empty lines

good line must have leading "- "
good line must follow an empty line or follow another good line
good line must be followed by an empty line or followed by another good line

谢谢

Answer 1

在编程中，有时候我们需要让程序在特定的条件下执行某些操作。这就像给程序设定了一些规则，只有当这些规则被满足时，程序才会按照我们的要求去做。

比如说，如果你想让程序在用户输入一个数字时，检查这个数字是否大于10。如果大于10，程序就会显示“这个数字很大”；如果小于或等于10，程序就会显示“这个数字不大”。这样，我们就可以通过简单的条件判断来控制程序的行为。

这就是条件语句的基本用法，它帮助我们让程序变得更聪明，能够根据不同的情况做出不同的反应。

>>> s = """Hello user123,

- (604)7080900
- 152
- minutes

Regards
"""
>>> import re
>>> re.findall(r'^- (.*)', s, re.M)
['(604)7080900', '152', 'minutes']

Answer 2

>>> import re
>>>
>>> x="""Hello user123,
...
... - (604)7080900
... - 152
... - minutes
...
... Regards
... """
>>>
>>> re.findall("\n+\n-\s*(.*)\n-\s*(.*)\n-\s*(minutes)\s*\n\n+",x)
[('(604)7080900', '152', 'minutes')]
>>>

当然可以！请把你想要翻译的内容发给我，我会帮你用简单易懂的语言解释清楚。

Answer 3

最简单的方法是遍历这些行（假设你有一个行的列表，或者一个文件，或者把字符串分割成行的列表），直到你看到一行是空的，也就是只有 '\n'。然后检查每一行是否以 '- ' 开头（可以用 startswith 这个字符串方法），把它切掉，保存结果，直到你遇到另一个空行。例如：

# if you have a single string, split it into lines.
L = s.splitlines()
# if you (now) have a list of lines, grab an iterator so we can continue
# iteration where it left off.
it = iter(L)
# Alternatively, if you have a file, just use that directly.
it = open(....)

# Find the first empty line:
for line in it:
    # Treat lines of just whitespace as empty lines too. If you don't want
    # that, do 'if line == ""'.
    if not line.strip():
        break
# Now starts data.
for line in it:
    if not line.rstrip():
        # End of data.
        break
    if line.startswith('- '):
        data.append(line[:2].rstrip())
    else:
        # misformed data?
        raise ValueError, "misformed line %r" % (line,)

更新：因为你详细说明了你想做的事情，这里是更新后的循环版本。它不再循环两次，而是收集数据，直到遇到一行“坏”的行，然后在遇到块分隔符时决定是保存还是丢弃收集到的行。它不需要明确的迭代器，因为它不会重新开始迭代，所以你只需传递一个行的列表（或者任何可迭代的对象）：

def getblocks(L):
    # The list of good blocks (as lists of lines.) You can also make this
    # a flat list if you prefer.
    data = []
    # The list of good lines encountered in the current block
    # (but the block may still become bad.)
    block = []
    # Whether the current block is bad.
    bad = 1
    for line in L:
        # Not in a 'good' block, and encountering the block separator.
        if bad and not line.rstrip():
            bad = 0
            block = []
            continue
        # In a 'good' block and encountering the block separator.
        if not bad and not line.rstrip():
            # Save 'good' data. Or, if you want a flat list of lines,
            # use 'extend' instead of 'append' (also below.)
            data.append(block)
            block = []
            continue
        if not bad and line.startswith('- '):
            # A good line in a 'good' (not 'bad' yet) block; save the line,
            # minus
            # '- ' prefix and trailing whitespace.
            block.append(line[2:].rstrip())
            continue
        else:
            # A 'bad' line, invalidating the current block.
            bad = 1
    # Don't forget to handle the last block, if it's good
    # (and if you want to handle the last block.)
    if not bad and block:
        data.append(block)
    return data

下面是它的实际运行效果：

>>> L = """hello
...
... - x1
... - x2
... - x3
...
... - x4
...
... - x6
... morning
... - x7
...
... world""".splitlines()
>>> print getblocks(L)
[['x1', 'x2', 'x3'], ['x4']]