使用regexpython3捕获两个已知单词之间的所有多行文本

Question

我正在尝试使用Python的regex包捕获多行文本中的所有文本。我的文本是，你会注意到它是SQL。为什么这是相关的是，我想捕捉一切之间的“选择”短语和“从”短语。在下面的例子中，我有3个项目，column1，column2，sum（column3），但我可以有更多。 另外，我只知道我可能会有\n或\r，但我不知道它是一个还是多个。你知道吗

SELECT
a11.Column1
, a12.Column2
,SUM(Column3)
FROM DB.MyFactTable a11
LEFT OUTER JOIN DB.MyDimTable_1 a12 ON 
(a11.k1 = a12.k1 AND a11.k2 = a12.k2 AND a12.k3 = a11.k3)
LEFT OUTER JOIN DB.MyDimTable_2 a13 ON 
(a11.k1 = a12.k2 AND a11.k4 = a12.k4 AND a12.k5 = a11.k5)
WHERE a11.Column_N IN (X1, X2, X3, X4)
GROUP BY 1,2

到目前为止，我的正则表达式

rgx_pat = (?<=SELECT)(\s)*.*\n.*
result = re.findall(rgx_pat,my_sql_above,re.MULTILINE)

事先谢谢你的帮助。你知道吗

Answer 1

我认为你的问题是你不知道^{}标志。你知道吗

如果你想找到一堆包括换行符在内的东西，你不需要试图找出一个除了换行符和换行符之外的所有东西的查询，只要使用DOTALL，现在.表示任何包括换行符的东西。你知道吗

所以：

query = '''SELECT
a11.Column1
, a12.Column2
,SUM(Column3)
FROM DB.MyFactTable a11
LEFT OUTER JOIN DB.MyDimTable_1 a12 ON 
(a11.k1 = a12.k1 AND a11.k2 = a12.k2 AND a12.k3 = a11.k3)
LEFT OUTER JOIN DB.MyDimTable_2 a13 ON 
(a11.k1 = a12.k2 AND a11.k4 = a12.k4 AND a12.k5 = a11.k5)
WHERE a11.Column_N IN (X1, X2, X3, X4)
GROUP BY 1,2
'''

rgx_pat = re.compile(r'SELECT\s(.*?)\sFROM', re.DOTALL)
result = rgx_pat.findall(query)

现在result将是：

['a11.Column1\n, a12.Column2\n,SUM(Column3)']

我不确定您是要.*?还是.*，以及是否要在SELECT之后和FROM之前强制使用空格，所以我猜测了您要执行的操作。你知道吗