RegEx如何只获取在大输出中重复的多行文本块？

Question

我正在解析一个量子化学软件的大输出（25mbprovided here）。软件使用两种方法执行计算：CASSCF和NEVPT2。每种方法执行相同的计算，导致不同的结果。实际上，我已经将脚本设置为针对不同的配置多次运行计算，因此我最终有了如下组织：

JOB 1
CASSCF RESULTS
***
Lots of text
***
end
NEVPT2 RESULTS
***
Lots of text
***
end

JOB 2
CASSCF RESULTS
***
Lots of text
***
end
NEVPT2 RESULTS
***
Lots of text
***
end
………………
JOB 31
CASSCF RESULTS
***
Lots of text
***
end
NEVPT2 RESULTS
***
Lots of text
***
end

我只想要NEVPT2结果，我已经将正则表达式设置为这个（应用于实际输出（我上面的示例只是为了展示组织）：

NEVPT2_Section = r"(?:AILFT MATRIX ELEMENTS \(NEVPT2\)\n-+\n\n)([\s\S]*)(?:\n\n--------------\nCASSCF TIMINGS)"
NEVPT2_Section_mathes = re.finditer(NEVPT2_Section, inp_content, re.MULTILINE)

for xyz in NEVPT2_Section_mathes:
    my_xyz = xyz.group(1)
    print(my_xyz)

如果我正在处理一个只有一个作业的文件，它可以正常工作，从“NEVPT2 RESULTS”开始，在第一个“end”处停止，但是，多作业文件会找到第一个“NEVPT2 RESULTS”，并一直持续到最后一个“end”，捕获中间的所有内容

所以，在浪费了整个星期天的时间想弄明白这件事之后，我想听听你们的建议，伙计们。如何仅从每个NEVPT2节获取位

Answer 1

作为一种替代方法，您可以匹配开始^NEVPT2.*\n处的行，并使用多行标志继续匹配所有不以end开头的行，使用负的lookahead (?!end$)

^NEVPT2.*\n(?:(?!end$).*\n)*end$

Regex demo| Python demo

例如

NEVPT2_Section = r"^NEVPT2.*\n(?:(?!end$).*\n)*end$"
NEVPT2_Section_mathes = re.finditer(NEVPT2_Section, inp_content, re.MULTILINE)

for xyz in NEVPT2_Section_mathes:
    print(xyz.group())

Answer 2

你可以用

^NEVPT2.+?^end

在single和multiline模式下，请参见a demo on regex101.com