python - 为什么这个正则表达式在第一个捕获组再次出现之前不匹配所有内容？

Question

我该如何让它做到这一点？

现在它停在换行符处(例如“Chicago,”之后)。或者，如果我使用 DOTALL，它只匹配“Abbott A (1988)”，然后匹配字符串的其余部分，直到最后。我希望它在下一次出现 (([\w\s]+)(([1|2]\d{3}))) 时停止，即......“Albu OB 和 Flyverbom M (2016 )”。等等等等。

欢迎任何指点。

pattern = r"(([\w\s]+)\(([1|2]\d{3})\))(.*)"

示例字符串

"Abbott A (1988) The System of Professions: An Essay on the Division of Expert Labor. Chicago,
IL: University of Chicago Press.
Albu OB and Flyverbom M (2016) Organizational transparency: conceptualizations, con-
ditions, and consequences. Business & Society. Epub ahead of print 13 July. DOI:
10.1177/0007650316659851.
Ananny M (2016) Toward an ethics of algorithms: convening, observation, probability, and timeli-
ness. Science, Technology & Human Values 41(1): 93–117. DOI: 10.1177/0162243915606523."

沙箱 here

Answer 1

您可以使用

(?sm)^([^()\n\r]+)\(([12]\d{3})\)(.*?)(?=^[^()\n\r]+\([12]\d{3}\)|\Z)

请参阅regex demo

详细信息

• (?sm) - 已启用 re.DOTALL 和 re.MULTILINE
• ^ - 行的开头
• ([^()\n\r]+) - 第 1 组:除 (, ) 之外的一个或多个字符， CR 和 LF
• \( - 一个 (
• ([12]\d{3}) - 第 2 组:1 或 2，然后是任意 3 位数字
• \) - 一个 ) 字符
• (.*?) - 第 3 组:任何 0+ 个字符，包括换行符，尽可能少，直到第一个(但不包括匹配)...
• (?=^[^()\r\n]+\([12]\d{3}\)|\Z) - (正向预测，需要存在它的模式紧邻当前位置的右侧):
  • ^[^()\r\n]+\([12]\d{3}\) - 与模式的开头相同，但没有组
  • | - 或
  • \Z - 整个文本的结尾。