我在谷歌上搜索了我的用例，但没有发现任何有用的东西。
我不是正则表达式专家，所以如果社区里有人能帮忙，我将不胜感激。
问题：
给定一个文本文件，我想使用regex捕获两个子字符串(前缀和后缀(之间最长的字符串。请注意，这两个子字符串将始终位于文本的任何一行的开头。请参阅以下示例。
基板：
前缀=[项目1，项目1a，项目1b]
后缀=[项目2，项目2a，项目2b]
示例1:
项目1
项目2
项目1
项目2
项目1
项目2
项目1a
项目2b。。。。
预期结果：
项目1a
。。。。
为什么会出现这种结果
因为Item 1a的前缀和Item 2b的后缀匹配所有其他前缀-后缀对中它们之间的文本中最长的字符串。
示例2:
项目1
项目2
项目1
项目2
。。。。项目1
项目2
项目1a。。。。….
….
。。。。
预期结果：
项目1
。。。。
为什么会出现这种结果
这是因为这是两个字符串(前缀和后缀对(中最大的字符串，其中前缀和后缀都从行的开头开始。注意，还有另一对(Item 1a-Item 2b(，但由于Item 2b不在行的开头，我们不能考虑这个最长的序列。
我使用regex尝试过的内容：
我尝试过为上面列表中的每个前缀-后缀对使用下面的regex，但没有成功。
regexs = [r'^' + re.escape(pre) + '(.*?)' + re.escape(suf) for pre in prefixes for suf in suffixes]
for regex in regexs:
re.findall(regex, text, re.MULTLINE)
我尝试使用非正则表达式(Python字符串函数(：
def extract_longest_match(text, prefixes, suffixes):
longest_match = ''
for line in text.splitlines():
if line.startswith(tuple(prefixes)):
beg_index = text.index(line)
for suf in suffixes:
end_index = text.find(suf, beg_index+len(line))
match = text[beg_index:end_index]
if len(match) > len(longest_match ):
longest_match = match
return longest_match
我遗漏了什么吗？
您需要
- 构建一个正则表达式，用于匹配从最左边的起始分隔符到最左边的尾随分隔符的字符串(请参阅使用正则表达式匹配两个字符串之间的文本(
- 确保分隔符仅在行首位置匹配
- 使用
re.DOTALL或等效选项确保.与换行字符匹配(请参阅Python regex，多行匹配模式( - 确保正则表达式匹配重叠的子字符串(请参见Python正则表达式查找所有重叠的匹配项(
- 在文本中查找所有匹配项(请参阅如何在Python中查找正则表达式的所有匹配项？(
- 获取最长的字符串(请参阅Python选择列表中最长字符串的最有效方法？(
Python演示：
import re
s="""Item 1 ....
Item 2 ....
Item 1 ....
....
....
Item 2 ....
Item 1 ....
Item 2
Item 1a ....
....
....
....
....
Item 2b ...."""
prefixes = ['Item 1', 'Item 1a', 'Item 1b']
suffixes = ['Item 2', 'Item 2a', 'Item 2b']
rx = r"(?=^((?:{}).*?^(?:{})))".format("|".join(prefixes), "|".join(suffixes))
# Or, a version with word boundaries:
# rx = r"(?=^((?:{})b.*?^(?:{})b))".format("|".join(prefixes), "|".join(suffixes))
all_matches = re.findall(rx, s, re.S | re.M)
print(max(all_matches, key=len))
输出：
Item 1a ....
....
....
....
....
Item 2
正则表达式看起来像
(?sm)(?=^((?:Item 1|Item 1a|Item 1b).*?^(?:Item 2|Item 2a|Item 2b)))
带单词边界
(?sm)(?=^((?:Item 1|Item 1a|Item 1b)b.*?^(?:Item 2|Item 2a|Item 2b)b))
请参阅regex演示。
详细信息
(?sm)-re.S和re.M标志(?=^((?:Item 1|Item 1a|Item 1b).*?^(?:Item 2|Item 2a|Item 2b)))-一个积极的前瞻性，在任何位置都匹配，紧跟着一系列模式：^-行的开始((?:Item 1|Item 1a|Item 1b).*?^(?:Item 2|Item 2a|Item 2b))-组1(此值与re.findall一起返回((?:Item 1|Item 1a|Item 1b)-替换中的任何项目(可能，在此处)之后添加b单词边界是有意义的(.*?-任意0+个字符，尽可能少^—线路起点(?:Item 2|Item 2a|Item 2b)-列表中的任何选项(可能，在这里的)之后添加b单词边界也是有意义的(