正則表達式：匹配特定模式之間的任何東西

Question

我想要拿出一個正則表達式來匹配一個特定的模式，通過這個模式我已經安排了文本文件中的文章。 （注：「|」表示段落標記/線斷裂，而顯示一些非單詞字符「」）這是模式

| 
...........................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) 

（我不得不匿名保護版權的目的）

我已經創建瞭如下的正則表達式，用於提取單篇：

1. 比賽開始行後跟一個換行符^[\r\n]
2. 匹配含有「庫門行.... 「通過非單詞字符之前[\W]+Dokument \d{1,} von \d{1,}
3. 匹配任何數量的換行符[\r\n]+
4. 匹配任何字和非單詞字符（即文章的文本）[\w\W]+
5. 比賽最後的換行符（最後一行中的下一個模式開始之前）[r\n]
6. 匹配任何非單詞字符和字符串「ALLE Rechte vorbehalten」或「版權所有」 [\W]+(Alle Rechte vorbehalten|All Rights Reserved)
7. 行（最後一行）的匹配端$

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

我與Textpad進行了測試。當我使用RE進行向後搜索時，它會匹配任何單個文章（根據需要）。但是當我做一個向前搜索它匹配整個文檔。

起初我認爲它匹配任何文章，然後看起來像是它匹配的一切。但後來我嘗試了替換選項，其結果是我的測試條款只被替換一次。

所以RE沒有完成它的工作。我一直在研究這一段時間，但無法找到我的錯誤。

我該怎麼做？ - 我的RE中有錯誤嗎？

我打算匹配的文章，把工作RE成爲一個捕獲組，然後用一些XML替換它。但我被困在這裏。

乾杯， 安德魯

Answer 1

訣竅是要做出文章非貪婪的身體相匹配的部分，並具有非常明確的起點和終點的文章相匹配。

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

只是再次重申的假設：

• 開始以新行，然後用非單詞字符的行，後跟「庫門」
• 包含一個身上滿是任何字符。
• 以換行符結束，後面跟着非單詞字符的行，後面跟着「版權」，後面跟着更多字符和換行符。
• 可以選擇性地包含一行字符，後跟一個換行符。