正则表达式：捕获一组开头相同的行？

Question

我正在编写一个脚本来遍历一个产品数据库，其中包含糟糕的、格式不一致的产品描述，以使其HTML统一。我遇到的一个问题是捕获和替换以相同方式格式化的代码行。例如，我想把他们的

• item 1
• item 2
• item 3

与

^{pr2}$

将•行替换为<li>content</li>行很容易，但我一辈子都无法找出列表前后的正则表达式。我的想法是捕获以•开头的所有内容，直到有一个新行不以•开头。下面是我最新的尝试（python）：

In  : p = re.compile(
        r'•.*(?!^•)'
      )

In  : p.findall(text, re.MULTILINE, re.DOTALL)
Out : []

In  : p.findall(text, re.MULTILINE)
Out : ['• item 1', '• item 2', '• item 3']

In  : p.findall(text, re.DOTALL)
Out : ['• item 1', '• item 2', '• item 3']

In  : p.findall(text)
Out : ['• item 1', '• item 2', '• item 3']

关于如何捕获['• item 1\n• item 2\n• item 3']之类的东西有什么想法吗？在

Answer 1

下面是一个基于非正则表达式的解决方案：

with open('/tmp/example.txt') as f:
  lines_in = f.readlines()

inside_block = False
lines_out = []

for line in lines_in:
  if line.startswith('• '):
    if not inside_block:
      lines_out.append('<ul>\n')
      inside_block = True
    lines_out.append('<li>{}</li>\n'.format(line.strip().replace('&bull; ','')))
  else:
    if inside_block:
      lines_out.append('</ul>\n')
      inside_block = False
    lines_out.append(line)

print ''.join(lines_in)
print '-'*78
print ''.join(lines_out)

试运行：

^{pr2}$

Answer 2

将内容读入字符串，然后在“&bull；”上拆分。迭代元素，在每个元素之前和之后分别添加“<；li>；”和“<；\li>；”。在

Answer 3

首先必须将所有项目符号更改为<li>元素，然后在第二次执行时将它们包含在<ul>元素中。在

下面是一个java示例。Python还使用PCRE，因此它的工作方式应该相同：

    String test = "• item 1\r\n• item 2\r\n• item 3\r\n";
    test = test.replaceAll("&bull; (.*)(?!^&bull;)", "<li>$1</li>");
    System.out.println(test);
    test = test.replaceAll("(?s)(<li>.+</li>)+?", "<ul>\n$1\n</ul>");
    System.out.println(test);

输出：

^{pr2}$