Coincidencia de bloques multilínea usando expresiones regulares

Puede encontrar dificultades al comparar texto que abarca varias líneas usando expresiones regulares de Python. Considere el siguiente texto de ejemplo:

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).

El objetivo es capturar dos componentes:

• "algún TEXTO variable"
• Todas las líneas mayúsculas ubicadas en dos líneas debajo (excluyendo los caracteres de nueva línea)

Se han intentado varios enfoques sin éxito:

re.compile(r"^>(\w )$$(\n[.$] )^$", re.MULTILINE) # Capture both parts
re.compile(r"([^>][\w\s] )$", re.MULTILINE|re.DOTALL) # Just textlines

Para solucionar este problema, utilice la siguiente expresión regular:

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

Tenga en cuenta que los anclajes "^" y "$" no coincide con los avances de línea. Por lo tanto, en el modo multilínea, "^" sigue a una nueva línea y "$" precede a una nueva línea.

Además, tenga en cuenta los distintos formatos de nueva línea. Para el texto que puede contener saltos de línea, retornos de carro o ambos, utilice esta expresión regular más inclusiva:

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

El modificador DOTALL no es necesario aquí porque el punto ya excluye las nuevas líneas.