RegEx/Python:n在其他匹配之前出现匹配

Question

我有这样的XML文件结构：

 <word id="15" pos="SS">
          <token>infarto</token>
          <lemmas>infarto</lemmas>
         </word>
         <word id="16" pos="AS">
          <token>miocardico</token>
          <lemmas>miocardico</lemmas>
         </word>
         <word id="17" pos="AS" annotated="head">
          <token>acuto</token>
          <lemmas>acuto</lemmas>
         </word>
         <word id="18" pos="E">
          <token>in</token>
          <lemmas>in</lemmas>
         </word>
         <word id="19" pos="SS">
          <token>corso</token>
          <lemmas>corso</lemmas>
         </word>

我要做的是，获取单词id为17的单词的“pos”和“token”的值（annotated=“head”值）。在

对于第17个单词之后的所有比赛来说，这没有问题。在

^{pr2}$

这可以得到我想要的所有信息，如果我想扩展，我可以添加

(pos=")(.+)(")([\s\S]+?)(token>)(.+)(<)([\s\S]+?)

直到最后。它不漂亮，但很管用。在

现在，当我想去另一个方向时，我完全被难住了

(pos=")(.+)(")([\s\S]+?)(token>)(.+)(<)([\s\S]+?)(pos=")(.+)(")(\s\S+?)("head")

它不是只匹配单词16的信息（注释头部前面的第一个），而是匹配前面的所有信息（单词15、单词14、单词13等）。在

我错过了什么？在

p.S。 遗憾的是，使用XML解析器不是一个选择。在

Answer 1

如果您确保数据是格式良好的XML。我认为这是可能的，尝试以下步骤：

步骤1:<word[^>]*>([^<]*(?:(?!<\/?word)<[^<]*)*)<\/word>（refhttp://regexr.com?31org）
步骤2：从步骤1（组1）中获取字符串，并与<token[^>]*>([^<]*(?:(?!<\/?token)<[^<]*)*)<\/token>（refhttp://regexr.com?31ora）或{}（refhttp://regexr.com?31ord）匹配

您可以尝试根据您的要求修改这些模式：）

参考文献：掌握正则表达式第三

Answer 2

我想应该是这样的：

(?s)(<word(?:(?!<word).)*)<word[^>]*?annotated="head".*?(<word[^>](?:(?<!</word>).)*)

因此，组1将包含id=16的节点“word”，组2将包含id=18的节点“word”。在

然后可以使用regex分别解析这些节点，如下所示：

^{pr2}$

你将得到两组“pos”和“token”。在

当然，可以使用单个regex，但这将非常难看。在