Python正则表达式匹配段落

Question

我有一个字符串，看起来像这样：

...

Art. 15 Gegenstand Dieses Gesetz regelt die Bekämpfung der Geldwäscherei im Sinne von Artikel 305 bis des Strafgesetzbuches6 (StGB), die Bekämpfung der Terrorismusfinanzierung im Sinne von Artikel 260quinquies Absatz 1 StGB und die Sicherstellung der Sorgfalt bei Finanzgeschäften.

Art. 22 Geltungsbereich 1 Dieses Gesetz gilt: a. für Finanzintermediäre; b. für natürliche und juristische Personen, die gewerblich mit Gütern handeln und dabei Bargeld entgegennehmen (Händlerinnen und Händler).

...

我正试着把这根线从艺术上分成几部分。XX到下一个艺术。二十。你知道吗

例如，第一个匹配项应该包含以下字符串：

Art. 15 Gegenstand Dieses Gesetz regelt die Bekämpfung der Geldwäscherei im Sinne von Artikel 305 bis des Strafgesetzbuches6 (StGB), die Bekämpfung der Terrorismusfinanzierung im Sinne von Artikel 260quinquies Absatz 1 StGB und die Sicherstellung der Sorgfalt bei Finanzgeschäften.

我试过这个：

x = re.findall(r"Art\. (?s).*(?=Art)",text);

还有这个：

x = re.findall(r"Art\. .+(\n.*)*(?=Art)*",text);

但它似乎并不像预期的那样起作用。。。 我也不确定我应该使用findall还是split。你知道吗

Answer 1

首先，在模式中使用捕获组并将其传递给re.findallonly the captures will be present in the output时。下一步，你不应该试图量化一个lookaround，它没有任何意义，通常被视为一个用户错误。(?=Art)*在Python中这里将被视为没有(?=Art)*，因为它意味着“可以有Art或者没有Art”。就像没有展望一样。你知道吗

你可以用

result = re.findall(r'(?m)^Art\..*(?:\n(?!Art\.).*)*', text)

参见regex demo

细节

• (?m)^-行首
• Art\.-Art.字符串
• .*-行的其余部分
• (?:\n(?!Art\.).*)*-0行或多行不以Art.开头