python - 否定先前匹配的词组

我正在尝试从看起来像这样的字符串中提取内容：

A.content content
  content
B.content  C. content content
content D.content

这是我在Python中的正则表达式模式：

reg = re.compile(r'''
     (?xi)
     (\w\.\t*\s*)+ (?# e.g. A. or b.)
     (.+)          (?# the alphanumeric content with common symbols)
     ^(?:\1)       (?# e.g. 'not A.' or 'not b.')
     ''')

m = reg.findall(s)

让我给你举个例子。说我有以下字符串：

s = '''
 a.   $1000 abcde!?
 b.  (December 31, 1993.)
 c.  8/1/2013
 d.   $690 * 10% = 69 Blah blah
'''

以下正则表达式可以正常工作并向我返回正则表达式组的内容：

reg = re.compile(r'''
            (?xi)
            \w\.\t*
            ([^\n]+) (?# anything not newline char)
''')

for c in reg.findall(s): print "line:", c
>>>line:    $1000 abcde!?
>>>line:  (December 31, 1993.)
>>>line:    8/1/2013
>>>line:   $690 * 10% = 69 Blah blah

但是，如果内容渗入另一行，则正则表达式不起作用。

s = '''
   a.   $1000 abcde!? B.     December
   31, 1993 c.  8/1/2013 D.   $690 * 10% =
   69 Blah blah
'''
reg = re.compile(r'''
     (?xi)
     (\w\.\t*\s*)+ (?# e.g. A. or b.)
     (.+)          (?# the alphanumeric content with common symbols)
     ^(?:\1)       (?# e.g. 'not A.' or 'not b.')
     ''')
for c in reg.findall(s): print "line:", c # no matches :(
>>> blank :(

无论是否有换行符分隔内容，我都希望获得相同的匹配项。

这就是为什么我尝试使用否定匹配词组的原因。那么关于如何使用正则表达式或其他解决方法解决此问题的任何想法？

谢谢。

保罗

最佳答案

我想我明白你想要什么。你想分裂

a.   $1000 abcde!? B.     December
31, 1993 c.  8/1/2013 D.   $690 * 10% =
69 Blah blah

进入


a. $1000 abcde!?
B. December \n31, 1993
c. 8/1/2013
D. $690 * 10% = \n69 Blah blah


对？否定的超前断言就是您想要的：

reg = re.compile(r'''
     (?xs)               # no need for i, but for s (dot matches newlines)
     (\b\w\.\s*)         # e.g. A. or b. (word boundary to restrict to 1 letter)
     ((?:(?!\b\w\.).)+)  # everything until the next A. or b.
     ''')

与findall()一起使用：

>>> reg.findall(s)
[('a.   ', '$1000 abcde!? '), ('B.     ', 'December \n   31, 1993 '),
 ('c.  ', '8/1/2013 '), ('D.   ', '$690 * 10% = \n   69 Blah blah\n')]

如果您不希望使用a.部分，请使用

reg = re.compile(r'''
     (?xs)               # no need for i, but for s (dot matches newlines)
     (?:\b\w\.\s*)       # e.g. A. or b. (word boundary to restrict to 1 letter)
     ((?:(?!\b\w\.).)+)  # everything until the next A. or b.
     ''')

关于python - 否定先前匹配的词组，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/15208362/