匹配系列連字符後的所有內容

Question

我試圖在行首（---）的三個連字符後面捕獲文件中的所有剩餘文本。

實施例：所述第一組的三個連字符後

 
Anything above this first set of hyphens should not be captured. 

--- 

This is content. It should be captured. 
Any sets of three hyphens beyond this point should be ignored. 

一切都應該被捕獲。最近我得到的是使用這個正則表達式[^(---)]+$稍微工作。它會捕捉連字符後面的所有內容，但如果用戶在該點之後放置任何連字符，則會在最後一個連字符後捕捉用戶放置的連字符。

我正在使用這個結合python來捕獲文本。

如果有人能幫我理清這個正則表達式問題，我會很感激。

Answer 1

pat = re.compile(r'(?ms)^---(.*)\Z') 

的(?ms)增加了MULTILINE和DOTALL標誌。

的MULTILINE標誌使^匹配行的開頭（不是字符串剛開始的時候）。我們需要這個，因爲---發生在一行的開頭，但不一定是字符串的開頭。

DOTALL標誌使.匹配任何字符，包括換行符。我們需要這個，以便(.*)可以匹配多個行。

\Z匹配字符串的末尾（而不是行尾）。

例如，

import re 

text = '''\  
Anything above this first set of hyphens should not be captured. 

--- 

This is content. It should be captured. 
Any sets of three hyphens beyond this point should be ignored. 
''' 

pat = re.compile(r'(?ms)^---(.*)\Z') 
print(re.search(pat, text).group(1)) 

打印

This is content. It should be captured. 
Any sets of three hyphens beyond this point should be ignored. 

---

注意，當你定義一個括號，[...]正則表達式字符類，括號內的東西是（在一般情況下，除了例如a-z等連字符）解釋爲單個字符。他們不是模式。因此[---]與[-]沒有區別。實際上，[---]是從-到-（含）的字符範圍。

字符類內的圓括號也被解釋爲文字圓括號，而不是分組分隔符。所以[(---)]等於[-()]，字符類包括連字符和左右括號。

因此字符類[^(---)]+匹配比連字號或括號以外的任何字符：

In [23]: re.search('[^(---)]+', 'foo - bar').group() 
Out[23]: 'foo ' 

In [24]: re.search('[^(---)]+', 'foo (bar').group() 
Out[24]: 'foo ' 

你可以看到這是怎麼回事，爲什麼它不適合您的問題的工作。

Answer 2

對不起，不直接回答你的問題，但我想知道正則表達式是否過度複雜的問題？你可以這樣做：

f = open('myfile', 'r') 

for i in f: 
    if i[:3] == "---": 
     break 

text = f.readlines() 

f.close() 

或者，我錯過了什麼？

我傾向於認爲正則表達式是足夠的難以維持，如果你不需要他們的獨特能力對於一個給定的目的，將是更清潔，更可讀，以避免使用它們完全。

Answer 3

s = open(myfile).read().split('\n\n---\n\n', 1) 
print s[0] # first part 
print s[1] # second part after the dashes 

這應該適用於您的示例。第二個分割參數指定分割字符串的次數。