用于匹配所有内容直到找到单词的正则表达式

编程问答 2022-05-26

问题描述

我有一段重复多次的文字。在这里，您有该文本的示例：

DEMO of the text

这个想法是有一个包含三个组的正则表达式，并为任何匹配的文本重复此操作。这里有一个可能匹配的示例：

group1 = HORIZON-CL5-2021-D1-01
group2 (opening) = 15 Apr 2021
group3 (Deadlines(s)) = 07 Sep 2021


group1 = HORIZON-CL5-2022-D1-01-two-stage
group2 (opening) = 04 Nov 2021
group3 (Deadlines(s)) = 15 Feb 2022 (First Stage),07 Sep 2022 (Second Stage)

我正在尝试使用这个正则表达式：

\n(HORIZON-\S+-[A-Z]{1}\d{1}-\d{2}).*?^opening

它几乎可以工作。我需要在正则表达式中再说两件事：

  1. 在某些情况下，在 HORIZON... 的最后一个数字之后可能会出现一些文本，例如第二种情况：

HORIZON-CL5-2022-D1-01 -两级

  1. 我需要说抓住一切，直到“打开：”这个词出现在一行的开头。我以为是用表达式 .*?^opening 的这一部分来执行此操作，但似乎不正确。

我该如何解决这个问题？

解决方法

要获得第 1 组中的 -two-stage，您可以将匹配的 0+ 非空白字符 \S* 添加到现有组。

您不需要 s 修饰符来使点匹配换行符。相反，您可以使用否定前瞻匹配所有不以 Opening 开头的行，然后匹配 Opening 并在捕获组中捕获日期和截止日期部分。

请注意，您可以省略 {1}

^(HORIZON-\S+-[A-Z]\d-\d{2}\S*)(?:\r?\n(?!Opening\b).*)*\r?\nOpening: (.+)\r?\nDeadline\(s\): (.+)

Regex demo

您可以根据需要使组从日期开始，如部分一样具体，因为 .+ 是广泛匹配。

例如

^(HORIZON-\S+-[A-Z]\d-\d{2}\S*)(?:\r?\n(?!Opening\b).*)*\r?\nOpening: (\d{2} [A-Z][a-z]{2} \d{4})\r?\nDeadline\(s\): (\d{2} [A-Z][a-z]{2} \d{4}.*)

Regex demo

,

  1. 在你的模式中，你在第一组中重复了 HORIZON-... HORIZON-()-A1-11HORIZON-+-B2-33 虽然这不应该出现在您的输入中，但应该没有问题。

  2. 您的模式中需要开头，我会将其替换为正向预测 (Opening|$)，其中 $ 表示行尾。

  3. 您似乎没有对要检索的字符串部分做任何事情，从您的示例中，我认为您可以简单地匹配非空格。

const pattern = /\n(HORIZON-\S+)\s*(.*?)\s*(?=Opening|$)/

  1. 如果您想保留原始模式并在单独的组中捕获其余文本，则为 /\n(HORIZON-\S+-[A-Z]{1}\d{1}-\d{2})(\S*)\s*(.*?)\s*(?=Opening|$)/。

  2. 以'\n'开头的表达式与第一行不匹配，您可以将其更改为/^(HORIZON-\S+-[A-Z]{1}\d{1}-\d{2})(\S*)\s*(.*?)\s*(?=Opening|$)/。

,

你可以有这样的东西：HORIZON-\S+-[A-Z]{1}\d{1}-\d{2}(-[^\s]*)?。我添加了 (-[^\s]*)? 部分。在这里，我告诉正则表达式匹配以 - 开头的内容，直到找到空格 (\s)。 ? 使这部分成为可选，因此它可以显示一次或根本不显示。

pythonregexregexregextextmatching