Python中的Regex：从具有重复相似版本的文本中提取多行部分

Question

提前谢谢你的帮助。我使用Python正则表达式从具有以下布局的文本中提取部分：

(A lot of information)

time:    150

C-FXY

-- information ---

E-END

(A lot of information)

time:   5000

C-FXY

**--- INFORMATION I WANT TO EXTRACT ---**

E-END

(A lot of information)

time:  13000

C-FXY

-- information ---

E-END

(A lot of information)

我需要从对应于5000的时间点提取C-FXY和E-END之间的所有内容。为此，我使用以下python3.6语句：

^{pr2}$

不幸的是，我得到的输出是C-FXY和E-END之间的相同版本，但是从文本的13000个时间点来看，不是我想要的时间：5000。在

任何帮助都将不胜感激。：）

Answer 1

导致错误的原因是您的regex在time部分和C-FXY之间包含一个贪婪的.*。所以它吃掉了最后一组的所有东西。在

在这里使用非贪婪版本就足够了：

text_part = re.search(r'time.*'+time_step+'.*?C-FXY(.*?)E-END', text, re.DOTALL).group(1)

无论如何，我不会在这里使用对整个文件的多行搜索，但我只会逐行读取文件，直到time: 5000，然后再到{}一个，从那里存储任何内容到C-END一个，并在那里结束处理。在

Answer 2

可以使用以下代码解决它：

import re

text = """(A lot of information)

time:    150

C-FXY

  information  -

E-END

(A lot of information)

time:   5000

C-FXY

** - INFORMATION I WANT TO EXTRACT  -**

E-END

(A lot of information)

time:  13000

C-FXY

  information  -

E-END

(A lot of information)"""

pattern = re.compile(r"C-FXY(.*?)E-END")

results = re.findall(r"C-FXY(.*?)E-END", text, re.DOTALL)

现在，如果打印results：

^{pr2}$

输出将是：

Resultado 0:
'

  information  -

'
Resultado 1:
'

** - INFORMATION I WANT TO EXTRACT  -**

'
Resultado 2:
'

  information  -

'