正则表达式 return 匹配加字符串直到下一个匹配

Question

目标：根据数字或小数匹配将文本分成列表，检索所有文本直到，但不包括下一个匹配。 Language/version: Python 3.8.5 使用 python re.findall() 我愿意接受其他建议。

文本示例（是的，全部在一行上）：

 1 Something Interesting here 2 More interesting text 2.1 An example of 2C19 a header 2.3 Another header example 2.4 another interesting header 10.1 header stuff  14 the last interesting 3A4 header

目标产出:

['1 Something Interesting here',
'2 More interesting text',
'2.1 An example of 2C19 a header',
'2.3 Another header example',
'2.4 another interesting header',
'10.1 header stuff',
'14 the last interesting 3A4 header'
]

我可以确定 大多数 个合适的 integer/decimal 起点：

(\d+\.\d+)|([^a-zA-Z]\d\d)|( \d )

我正在努力寻找一种方法来 return 匹配之间的文本加上匹配本身。

为了节省您的时间，here's my Regex sandbox

谢谢你

Answer 1

您可以使用正向先行表达式进行匹配，直到下一次匹配。

这是更新后的正则表达式 (sandbox):

\b(?:\d+(?:\.\d+)?)\b.*?(?=\b(?:\d+(?:\.\d+)?)\b|$)

在python中：

regex = r'\b(?:\d+(?:\.\d+)?)\b.*?(?=\b(?:\d+(?:\.\d+)?)\b|$)'
string = ' 1 Something Interesting here 2 More interesting text 2.1 An example of 2C19 a header 2.3 Another header example 2.4 another interesting header 10.1 header stuff  14 the last interesting 3A4 header'
result = re.findall(regex, string)

在这种情况下，result 将是：

>>> result
['1 Something Interesting here ',
 '2 More interesting text ',
 '2.1 An example of 2C19 a header ',
 '2.3 Another header example ',
 '2.4 another interesting header ',
 '10.1 header stuff  ',
 '14 the last interesting 3A4 header']

请注意，此解决方案还会提取末尾的间距。如果你不想要这个间距，你可以在你的字符串上调用 strip:

>>> [ match.strip() for match in result ]
['1 Something Interesting here',
 '2 More interesting text',
 '2.1 An example of 2C19 a header',
 '2.3 Another header example',
 '2.4 another interesting header',
 '10.1 header stuff',
 '14 the last interesting 3A4 header']

正则表达式 return 匹配加字符串直到下一个匹配

Regex return match plus string up until next match

python

regex

regex-group