Регулярное выражение для сопоставления многострочных текстовых блоков

Сопоставление текста, занимающего несколько строк, может создать проблемы при построении регулярных выражений. Рассмотрим следующий пример текста:

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)

Цель состоит в том, чтобы захватить два компонента: часть «некоторый изменяющийся ТЕКСТ» и все последующие строки текста в верхнем регистре, за исключением пустой строки.

Неправильные подходы:

Некоторые неправильные подходы к решению этой проблемы включают в себя:

• Использование привязок ^ и $ для соответствия переводам строк. В многострочном режиме ^ соответствует позициям после новой строки, а $ соответствует позициям, предшествующим новой строке.
• Использование модификатора DOTALL для сопоставления всего, что не является необходимым, поскольку точка (.) соответствует всему, кроме новой строки.

Решение:

Следующее регулярное выражение правильно фиксирует нужные компоненты:

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

Вот разбивка его компонентов:

• ^ соответствует началу строки.
• (. ) фиксирует часть «некоторый изменяющийся ТЕКСТ» в группе 1.
• \n соответствует символу новой строки.
• ((?:\n. ) ) захватывает все последующие строки текста в верхнем регистре в группу 2. Конструкция группы без захвата ?: предотвращает попадание этих строк захватываются как отдельные группы.
• Оператор повторения гарантирует наличие хотя бы одной строки текста в верхнем регистре.

Использование:

Чтобы использовать это регулярное выражение в Python, вы можете использовать следующий код:

import re

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

Затем вы можете использовать метод match() для поиска совпадений в строке :

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