如何使用python regex提取重複性文本ifrom文本文件？

Question

我必須從文本文件中提取文本。

Reg.No .________ xajh SAK斯卡AJS kajk SAK Reg.No .________ 灑灑爲AA莎莎的爸爸Reg.No .________阿達德

y=re.findall(r'(?=(Reg.No.________[^Reg.No.________]*Reg.No.________))',te, flags=re.DOTALL) 

輸出應該是這樣的：

列表[0] = Reg.No .________ xajh SAK斯卡AJS kajk SAK

列表[1] = Reg.No .________赤竹爲AA莎莎爸

列表[2] = Reg.No .________ adad

Answer 1

您可以使用

Reg.+?(?=Reg|$) 

即會比賽您需要的字符串。請參閱regex demo。

Same pattern，但展開acc。解開半實物原理（因此，更快）：

Reg[^R]*(?:R(?!eg)[^R]*)* 

詳細

• Reg - 一個Reg子
• .+? - 比換行符字符以外的任何字符1+，如儘可能少的
• (?=Reg|$) - Reg子串或字符串的結尾。

請注意，爲了僅匹配Reg作爲整個單詞，您可以在它之前添加\b字邊界。

Python demo：

import re 
rx = r"Reg.+?(?=Reg|$)" 
s = "Reg.No.________ xajh sak ska ajs kajk sak Reg.No.________ sasa as a a sa sa dad Reg.No.________ adad" 
print(re.findall(rx, s)) 
# => ['Reg.No.________ xajh sak ska ajs kajk sak ', 'Reg.No.________ sasa as a a sa sa dad ', 'Reg.No.________ adad'] 

注意您可能以後strip()生成的字符串。