Python 正则表达式匹配搜索字符串的意外部分

Question

我正在尝试使用正则表达式(Python 2.7；IPython QTConsole)解析页面。该页面是从我使用 urllib2

抓取的 Web 目录中提取的 .txt

>>> import re
>>> Z = '[A-Z]{2}Z[0-9]{3}.*?\\$\\$'
>>> snippet = re.search(Z, page, re.DOTALL)
>>> snippet = snippet.group() # Only including the first part for brevity.
'PZZ570-122200-\nPOINT ARENA TO POINT REYES 10 TO 60 NM OFFSHORE-\n249 AM PDT FRI SEP 12 2014\n.TODAY...SW WINDS 5 KT. WIND WAVES 2 FT OR LESS.\nNW SWELL 3 TO 5 FT AT 12 SECONDS. PATCHY FOG IN THE MORNING.\n.TONIGHT...W WINDS 10 KT. WIND WAVES 2 FT OR LESS.'

我想搜索换行符后跟一个句点。我想得到第一次和第二次出现如下。目标是解析第一个和第二个(以及后续的)\n\. 分隔符之间的信息。我知道我可以环顾四周，但我很难让前瞻变得贪婪。此外，我无法弄清楚为什么以下内容不起作用。

>>> pat = r"\n\."
>>> s = re.search(pat, snippet.group(), re.DOTALL)
>>> e = re.search(pat, snippet.group()[s.end():], re.DOTALL)

上面的 s 有效，但是对于 e 我得到了一个奇怪的结果。

>>> [s.group(), s.start(), e.group(), e.end()]
['\n.', 90, '\n.', 110]

>>> snippet.group()[s.start():e.end()]
'\n.TODAY...SW WINDS 5'

>>> snippet.group()[e.start():e.end()]
' 5'

我想 snippet.group() 中隐藏了一些格式？如果是这样，那么奇怪的是，有些换行符是显式的，就好像 snippet.group() 是原始的，而其他的是隐藏的。为什么 e.group() 和 snippet.group()[e.start():e.end()] 不同？

如果这个问题已经得到解决，我深表歉意。我找不到任何相关的东西。

非常感谢。

Answer 1

要在 python 中拆分字符串，使用 str.split() 可能更容易或 re.split() .

例如:

"1\n.2\n.3".split("\n.")