匹配非贪婪正则分隔符

Question

我有一段文字，其中一些内容是用特定符号分隔的：

{# xxx #} some text {# zzz #}

在我的文字中，这种模式出现了很多次。我想从这些分隔符中提取出一些文本。我该如何使用正则表达式来做到这一点呢？

比如说，如果我有以下这段文字：

Lorem Ipsum 是印刷和排版行业的虚拟文本。自从1500年代以来，Lorem Ipsum就一直是这个行业的标准虚拟文本，当时一位未知的印刷工把一组字母打乱了 {# xxx #}，以制作 {# zzz #} 一本样本书。它不仅经历了五个世纪的考验，还成功地进入了电子排版，基本上没有改变。它在1960年代变得流行 {# xxx #}，随着 {# zzz #} Letraset纸张的发布，其中包含了Lorem Ipsum的段落，最近又随着 {# xxx #} 像Aldus PageMaker {# zzz #} 这样的桌面出版软件的出现而流行起来，包括了不同版本的Lorem Ipsum。

我想得到一个这样的列表：

[it to make, with, desktop publishing software like Aldus PageMaker]

这是我目前不工作的代码：

>>> regex = re.compile(r'{# xxx #}.*({# zzz #}).*?')

>>> re.findall(regex, s) {# zzz #}

我觉得我遇到的困难是试图以非贪婪的方式来构造正则表达式？

Answer 1

你可以通过在分隔符之间加上?来实现非贪婪匹配。还有，最后不要加.*?，因为它没有任何作用。{}是特殊字符，最好加上转义符。最后，括号要围住你想匹配的部分。这样你就得到了这个模式：

 regex = re.compile(r'\{# xxx #\}(.*?)\{# zzz #\}')

要使用这个模式，你需要一个循环，里面用到类似m = re.match的东西，然后用m.group(1)来获取第一个子组（也就是括号里的部分）。你需要用循环，而不是findall，因为这样你只能得到子组的最后一个匹配结果。