python - 查找两个字符串之间的最短匹配

Question

我有一个很大的日志文件，我想提取两个字符串之间的多行字符串:start 和 end。

以下是输入文件中的示例:

start spam
start rubbish
start wait for it...
    profit!
here end
start garbage
start second match
win. end

所需的解决方案应打印:

start wait for it...
    profit!
here end
start second match
win. end

我尝试了一个简单的正则表达式，但它返回了 start spam 中的所有内容。应该怎么做？

编辑:关于现实生活计算复杂性的附加信息:

• 实际文件大小:2GB
• “开始”的出现次数:~ 12 M，均匀分布
• 'end' 的出现次数:~800，接近文件末尾。

Answer 1

这个正则表达式应该匹配你想要的:

(start((?!start).)*?end)

使用re.findall 方法和单行修饰符re.S 获取多行字符串中的所有出现:

re.findall('(start((?!start).)*?end)', text, re.S)

查看测试here .