Python正则表达式在每次匹配时引用第一行，直到新组开始

Question

示例文本：

This is HeaderA
 Line 1
 Line 2
 Line 3
 Line 4
 Line 5
This is HeaderB
 Line 1
 Line 2

预期结果：

HeaderA1 HeaderA2 HeaderA3 HeaderA4 HeaderA5

HeaderB1, HeaderB2

正则表达式尝试次数：

(?:^This is (?P<H>HeaderB)\s) (Line (?P<L>\d)\s)*?

• 仅匹配标题“H”和第一行“L”

(?:^This is (?P<H>HeaderB)\s)? (Line (?P<L>\d)\s)*?

• 设法匹配多个“L”行。但是，只有前两行具有相同的匹配，而不是后续的L行不引用标头捕获组

我尝试了其他调整正则表达式的尝试，但最终把表达式搞砸了。我使用regex的经验有限，因此我不能完全确定是否有可能获得所需的输出

Answer 1

IIUC您正在尝试将Header(A|B)与下面几行中的整数组合。对于给定的输出，使用简单的split()操作可能比使用re更容易

for group in text.split('This is ')[1:]:
    header, *lines = group.splitlines()
    print(*[header+line.split()[-1] for line in lines])

输出：

HeaderA1 HeaderA2 HeaderA3 HeaderA4 HeaderA5
HeaderB1 HeaderB2

Answer 2

regex和替换与format的混合

假设在标题下方始终有一行i

import re
text = """This is HeaderA
 Line 1
 Line 2
 Line 3
 Line 4
 Line 5
This is HeaderB
 Line 1
 Line 2"""

ordered_matches = [] # global

def custom_match(m, all_matches=ordered_matches):
    p = m.group(0)
    if p.isdigit():
        all_matches[-1] += [p]
    else:
        all_matches += [[p]]
    return '' # doesn't matter

r = re.sub(r'([A-Z0-9]+)$', custom_match, text, flags=re.M)

for m in ordered_matches:
    print(('Header{}{{}} '.format(m[0]) * (len(m)-1)).format(*m[1:]))

输出

HeaderA1 HeaderA2 HeaderA3 HeaderA4 HeaderA5 
HeaderB1 HeaderB2