正则表达式：匹配特定模式之间的任何内容

Question

我正在尝试提出一个正则表达式，它匹配一个特定的模式，通过这个模式，我在文本文件中的文章可以被安排。 （注意：“|”表示段落标记/换行符，而“.”表示一些非单词字符）

| 
...........................Dokument.1.von.55|
| 
|
|
..........................Some newspaper| 
| 
..........................Freitag 08. Mai 2015 
|
sometextsometextsometextsometextsometextsometextsometextsometextsometextsometext
sometextsometextsometextsometextsometextsometextsometextsometextsometextsometext
(etc..)
|
METAINFO1: IWOIOWIEOWEIWOEIWEO
| 
(etc... possibly more metainfo all capitalized) 
|
| 
.........................Copyright 2015 some publisher notes 
.........................at most one more single line containing copyright information
.........................Alle Rechte vorbehalten| 
# note: last line alternatively: All Rights Reserved 


|
(next pattern i.e. article) 

（为了版权，我不得不匿名）

我创建了以下用于提取单个项目的正则表达式：

1. 匹配行的开头，后跟换行符^[\r\n]
2. 匹配包含“Dokument…..”且前面带有非单词字符的行[\W]+Dokument \d{1,} von \d{1,}
3. 匹配任意数量的换行符[\r\n]+
4. 匹配任何单词和非单词字符（即文章的文本）[\w\W]+
5. 匹配最后一个换行符（下一个模式开始前的最后一行）[r\n]
6. 匹配任何非单词字符和字符串“Alle Rechte vorbhalten”或“All Rights Reserved”[\W]+(Alle Rechte vorbehalten|All Rights Reserved)
7. 匹配行尾（最后一行）$

因此，整个RE是^[\r\n][\W]+Dokument \d{1,} von \d{1,}[\r\n]+[\w\W]+[\r\n][\W]+(Alle Rechte vorbehalten|All Rights Reserved)$

我已经用Textpad测试过了。当我用RE做反向搜索时，它匹配任何一篇文章（根据需要）。但是当我向前搜索时，它匹配整个文档。你知道吗

一开始我以为它和任何一篇文章都匹配，后来看起来好像它和所有的东西都匹配。但后来我尝试了替换选项，结果我的测试术语只被替换了一次。你知道吗

所以RE没有做好它的工作。我已经在这方面做了一段时间了，但是找不到我的错误。你知道吗

我做错了什么？-我的简历有错误吗？你知道吗

我打算匹配这些文章，将正在工作的RE转换成一个捕获组，然后用一些xml替换它。但我被困在这里了。你知道吗

干杯， 安德鲁

Answer 1

诀窍是使匹配文章主体的部分不贪婪，并为文章定义非常清晰的开始和结束匹配。你知道吗

re.compile(r'^\n\W+Dokument.+?\n\W+Copyright[^\n]+\n(?:[^\n]+\n)?', flags=re.S)

只是重复一下假设：

• 以换行符开头，后跟一行非单词字符，后跟“Dokument”
• 包含充满任何字符的正文。你知道吗
• 以换行符结尾，后跟一行非单词字符，后跟“版权”，后跟更多字符和换行符。你知道吗
• 可以选择包含多行字符，后跟换行符。你知道吗