在Python中正则表达式匹配单词前的换行符

Question

我有一个模式：

"\nvariable WORD"

这个模式在字符串中出现了很多次，我想要一个列表，里面记录这个模式出现的位置。这里的"WORD"是固定的，不会变化，但"variable"的内容和长度是不同的。

在Python中，我知道可以匹配所有的"WORD"，并返回它们在列表中的索引：

contents="some long string"
print [m.start() for m in re.finditer('WORD',contents)]

所以简单来说，我该如何找到所有在\n之后但在"WORD"之前的"variable"的索引呢？

Answer 1

根据你的目标，你可能需要调整一下起始点的索引。如果你是想通过'\n'来表示换行的话，那么在编译的时候就需要加上MULTILINE这个标志。

import re

mytext='\nvar1 WORD\nvar2 WORD\nvar3 WORD'
#compile a pattern to find the 'var*' after \n
pat = re.compile('\n(.*?)\s+WORD')

results = re.finditer(pat,mytext)

for result in results:
    print result.start()

Answer 2

这样可以吗？

>>> import re
>>> s = '\nvariable1 WORD\nvariable2 WORD\nvariable3 WORD\nvariable4 WORD\nvariable5 WORD'
>>> re.findall(r'\n(\w+)\s+WORD', s)
['variable1', 'variable2', 'variable3', 'variable4', 'variable5']

你需要这些索引来做什么呢？

Answer 3

如果你只会用锤子，那你看到的每个问题都像是钉子。

正则表达式就像是强力锤子，但有时候并不是解决问题的最佳工具。实际上，很多人都滥用正则表达式，每当有人让我检查其他程序员写的复杂正则表达式时，我都感到一阵不安（通常过几周我连自己写的都看不懂）。

另一方面，EBNF（扩展巴科斯-诺尔范式）表示法要简单得多，容易理解和维护。

from simpleparse.parser import Parser

grammar = r"""
<space>      := [ \t]
<newline>    := '\n'
<identifier> := [A-Za-z_],[A-Za-z0-9z_]*
match        := newline,identifier,space+,'WORD'
<junk>       := newline*,identifier,space+,-'WORD',(identifier/space)*
data         := (match/junk)*
"""

parser = Parser(grammar, 'data')

data = 'some junk\nvariable1 WORD\nvariable2 some ' +\
       'junk\nvariable3 WORD\nvariable4 some other ' +\
       'junk\nvariable5 WORD'

(start, matches, stop) = parser.parse(data)

print [ start for name, start, stop, other in matches ]

这将打印：

[9, 44, 85]