匹配多行文本块的正则表达式

匹配跨多行的文本可能会给正则表达式构造带来挑战。考虑以下示例文本：

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)

目标是捕获两个组成部分：“some Varying TEXT”部分和所有后续大写文本行，不包括空行。

不正确的方法：

解决此问题的一些不正确的方法包括：

• 使用^ 和 $ 锚点来匹配换行符。在多行模式下，^ 匹配换行符后面的位置，$ 匹配换行符之前的位置。
• 使用 DOTALL 修饰符匹配所有内容，这是不必要的，因为点 (.) 匹配除换行符之外的所有内容。

解决方案：

下面的正则表达式正确捕获了所需的组件：

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

这是其组件的详细信息：

• ^ 匹配该行。
• (. ) 将“some Varying TEXT”部分捕获到组 1 中。
• \n 匹配 a换行符。
• ((?:\n. ) ) 将大写文本的所有后续行捕获到组 2 中。 ?: 非捕获组构造可防止这些行被捕获为单独的组。
• 重复运算符确保至少一行大写文本present.

用法：

要在Python中使用这个正则表达式，可以使用下面的代码：

import re

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

然后您可以使用 match() 方法在字符串中查找匹配项:

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