符合多行文字區塊的正規表示式

符合跨多行的文字可能會為正規表示式建構帶來挑戰。考慮以下範例文本：

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)

目標是捕捉兩個組成部分：「some Varying TEXT」部分和所有後續大寫文字行，不包括空白行。

不正確的方法：

解決此問題的一些不正確的方法包括：

• 使用^ 和$ 錨點來匹配換行符。在多行模式下，^ 匹配換行符後面的位置，$ 匹配換行符之前的位置。
• 使用 DOTALL 修飾符來匹配所有內容，這是不必要的，因為點 (.) 匹配除換行符之外的所有內容。

解：

以下正規表示式正確捕捉所需的元件：

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

下面是其組成部分的細分：

• ^ 匹配行的開頭。
• (. ) 將「some Varying TEXT」部分捕獲到組 1 中。
• \n 符合換行符號。
• ((?:\n. ) ) 將大寫文字的所有後續行擷取到組 2 中。 ?: 非捕獲組構造可防止這些行被捕獲為單獨的組。
• 重複運算子確保至少存在一行大寫文字。

用法：

import re

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

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