python re: 匹配除双换行符以外的所有内容

Question

这里有很多这样的问题，但我还没有找到一个是我需要的。

我需要一个可以匹配除双换行符之外的任何内容的正则表达式。更具体地说，这是一个例子：

数据：

# 1 main header

__1.1__ company consents to transfer of the following end user license - including...

__1.1.1__ A subparagraph

__1.2__ company also consents to other stuff...
Lorem ipsum dolor sit amet, consectetur aquisquam veniam!
{: #lorem_section }

我想要做的是找到以 __[\d+\.?]+__ 开头并以 \{: #\w+ \} 结尾的每个部分。

为此，我需要正则表达式的中间部分匹配除双换行符以外的任何内容。我一开始是这样做的：__([\d+\.?]+)__.*\{: (#\w+) \}，但因为它也捕捉到双换行符，所以我得到了从 __1.1__ 到 {: #lorem_section } 的所有内容，而我实际上想要从 __1.2__ 到 [=] 的所有内容17=].

我读到了负前瞻，这可能是我所需要的，但我似乎无法使其正常工作。我尝试了以下 2 个正则表达式，但都没有产生任何结果

__([\d+\.?]+)__.*(?!\n\n)\{: (#\w+) \}

__([\d+\.?]+)__(?!\n\n)*\{: (#\w+) \}

Answer 1

你需要使用负前瞻。

r'(?s)__[\d.]+__(?:(?!\n\n).)*?\{: #\w+ \}'

(?s) 启用 DOTALL 模式，这使得出现在正则表达式中的点也匹配换行符。 (?:(?!\n\n).)*? 将对任何字符进行非贪婪匹配，但不匹配 \n\n 零次或多次。

DEMO

>>> s = '''# 1 main header

__1.1__ company consents to transfer of the following end user license - including...

__1.1.1__ A subparagraph

__1.2__ company also consents to other stuff...
Lorem ipsum dolor sit amet, consectetur aquisquam veniam!
{: #lorem_section }'''
>>> m = re.findall(r'(?s)__[\d.]+__(?:(?!\n\n).)*?\{: #\w+ \}', s)
>>> for i in m:
        print(i)


__1.2__ company also consents to other stuff...
Lorem ipsum dolor sit amet, consectetur aquisquam veniam!
{: #lorem_section }

或

你也可以这样做。

>>> for i in s.split('\n\n'):
        if re.match(r'(?s)__[\d.]+__.*\{: #\w+ \}$', i):
            print(i)


__1.2__ company also consents to other stuff...
Lorem ipsum dolor sit amet, consectetur aquisquam veniam!
{: #lorem_section }

Answer 2

与不捕获双行结尾的问题分开，请注意 + 和 ?字符组 [\d+\.?] 中的字符被视为普通字符而不是量词。也就是说，它们会匹配自己，这样您的表达式 __[\d+\.?]+__ 就会匹配这样的表达式：

__?__
__+__
__?+???__

等等，如图https://regex101.com/r/sQ8iN1/2

如果您希望应用量词并且希望重复分组，则需要使用圆括号而不是方括号，如 https://regex101.com/r/sQ8iN1/3

python re: 匹配除双换行符以外的所有内容

python re: match everything but a double linebreak

python

regex

negative-lookahead