python多次开发nongreedy regex来匹配特定的模式

Question

我将为要处理的文件中给定的模式开发正则表达式

该文件包含多篇文章，它们都遵循类似的模式：

1. 从一行开始，即换行
2. 然后在一行上有一些非单词字符，后跟“dokumentxx vonxx”和换行符
3. 后面是一堆人物
4. 以两个换行结束，后跟一行非单词字符，后跟“版权”，后跟更多字符和一个新行
5. 一个可选行，包含非单词字符，后跟多个字符和一个新行
6. 最后一行包含非单词字符，后跟“All Rights Reserved”或“Alle Rechte vorbehalten”和新行

我试图找到一个非贪婪的正则表达式，它精确地匹配文章的开头、正文和结尾

对于1-4，我有^n\W+Dokument.+?[\r\n][\r\n]\W+Copyright[^\n]+\n

5-6需要什么

如果我打算使用这个正则表达式在一个文件中多次匹配模式，我真的需要一个dotall标志吗

我一整天都在这上面。有没有一个头脑清醒的人能告诉我缺失的部分

干杯， 安德鲁

Answer 1

您可以使用以下选项：

5. one optional line containing non-word characters followed by more characters and a new line

(\W+?(?:(?!All|Alle).)+?\n)?

6. one line containing non-word characters followed by either "All Rights Reserved" or "Alle Rechte vorbehalten" and a new line

\W+(All Rights Reserved|Alle Rechte vorbehalten)\n

组合1-6：

^\W+Dokument.+?[\r\n][\r\n]\W+Copyright[^\n]+\n(\W+?(?:(?!All|Alle).)+?\n)?\W+?(?:All Rights Reserved|Alle Rechte vorbehalten)\n

见DEMO