Regulärer Ausdruck zum Abgleichen mehrzeiliger Textblöcke

Der Abgleich von Text, der sich über mehrere Zeilen erstreckt, kann bei der Erstellung regulärer Ausdrücke eine Herausforderung darstellen. Betrachten Sie den folgenden Beispieltext:

some Varying TEXT

DSJFKDAFJKDAFJDSAKFJADSFLKDLAFKDSAF
[more of the above, ending with a newline]
[yep, there is a variable number of lines here]

(repeat the above a few hundred times)

Das Ziel besteht darin, zwei Komponenten zu erfassen: den Teil „irgendein variierender TEXT“ und alle nachfolgenden Zeilen mit Großbuchstaben, mit Ausnahme der Leerzeile.

Falsche Ansätze:

Einige falsche Ansätze zur Lösung dieses Problems sind:

• Verwendung von ^- und $-Ankern zum Anpassen von Zeilenvorschüben. Im Mehrzeilenmodus stimmt ^ mit Positionen nach Zeilenumbrüchen überein und $ mit Positionen vor Zeilenumbrüchen.
• Verwendung des DOTALL-Modifizierers, um alles abzugleichen, was unnötig ist, da der Punkt (.) alles außer Zeilenumbrüchen abdeckt.

Lösung:

Der folgende reguläre Ausdruck erfasst die gewünschten Komponenten korrekt:

^(. )\n((?:\n. ) )

Hier ist eine Aufschlüsselung seiner Komponenten:

• ^ stimmt mit dem Anfang der Zeile überein.
• (. ) erfasst den Teil „einige variierende TEXT“ in Gruppe 1.
• \n stimmt mit einem Zeilenumbruchzeichen überein.
• ((?:\n. ) ) erfasst alle nachfolgenden Zeilen mit Großbuchstaben in Gruppe 2. Das nicht erfassende Gruppenkonstrukt ?: verhindert, dass diese Zeilen erfasst werden werden als einzelne Gruppen erfasst.
• Der Wiederholungsoperator stellt sicher, dass mindestens eine Zeile Großbuchstabentext vorhanden ist.

Verwendung:

Um diesen regulären Ausdruck in Python zu verwenden, können Sie den folgenden Code verwenden:

import re

pattern = re.compile(r"^(. )\n((?:\n. ) )", re.MULTILINE)

Sie können dann die match()-Methode verwenden, um Übereinstimmungen in einer Zeichenfolge zu finden :

match = pattern.match(text)
if match:
    text1 = match.group(1)
    text2 = match.group(2)