python - 正则表达式用于查找表达式之间的文本，其中一个匹配的结束可能是下一个匹配的开始

Question

我想使用 Python 3.5 匹配以下数据中以“2 个电容器”、“1 个运算放大器”等开头的每行之间的文本:

#Sat Dec 16 09:10:37 2017
#
#2 capacitors:
#  0 c1 10 uF GND n1 
#  1 c2 47 pF nm nout 
#1 op-amp:
#  0 o1 lt1124 '+'=nin '-'=nm 'out'=nout a0=15M gbw=14.6 MHz 
#       un=2.7 nV/sqrt(Hz) uc=2.3 Hz in=300 fA/sqrt(Hz) ic=100 Hz 
#       umax=12 V imax=20 mA sr=4.5 V/us delay=18.9 ns 
#       pole at 200 kHz (real)        pole at 200 kHz (real)        zero at 800 kHz (real)        zero at 800 kHz (real)        zero at 9.4 MHz (real) 
#2 resistors:
#  0 r1 430 Ohm n1 nm
#  1 r2 43 kOhm nm nout
#4 nodes:
#  0 n1
#  1 nm
#  2 nout
#  3 nin
#Logarithmic frequency scale from 1 Hz to 100 kHz in 100 steps.

我想提取:

匹配 1:(2 个电容器，# 0 c1 10 uF GND n1# 1 c2 47 pF nm nout)

匹配 2:(1，运算放大器，# 0 o1 lt1124 '+'=nin '-'=nm 'out'=nout a0=15M gbw=14.6 MHz# un=2.7 nV/sqrt(Hz) uc=2.3 Hz in=300 fA/sqrt(Hz) ic=100 Hz.......)

匹配 3:(2，电阻器，# 0 r1 430 Ohm n1 nm# 1 r2 43 kOhm nm nout)

匹配 4:(4，节点，# 0 n1# 1 nm# 2 noout# 3 nin)

第三组是否保留换行符对我来说并不重要。目前，我通过搜索第一个匹配项和第一行非空格之间的文本进行匹配:

^\#(\d+) (op\-amps|op\-amp|capacitors|capacitor|resistors|resistor|nodes|node):$([\d\D]*?)^#\S

regexr example

(必须启用 MULTILINE 标志。[\d\D] 技巧是匹配不同平台上的所有字符，包括换行符。)

问题是 1 op-amp 和 4 Node 段不匹配，因为它们构成了上一个匹配的一部分:例如， #1 运算放大器 线。我怎样才能获得所有可能的匹配项？

Answer 1

优化解决方案:

import re

with open('yourfile.txt') as f:
    pat = r'^#(\d+) (op-amps?|capacitors?|resistors?|nodes?):([\s\S]+?)(?=\n#\S+ )'
    result = re.findall(pat, f.read(), re.M)
    for m in result:
        print(m)

输出:

('2', 'capacitors', '\n#  0 c1 10 uF GND n1 \n#  1 c2 47 pF nm nout ')
('1', 'op-amp', "\n#  0 o1 lt1124 '+'=nin '-'=nm 'out'=nout a0=15M gbw=14.6 MHz \n#       un=2.7 nV/sqrt(Hz) uc=2.3 Hz in=300 fA/sqrt(Hz) ic=100 Hz \n#       umax=12 V imax=20 mA sr=4.5 V/us delay=18.9 ns \n#       pole at 200 kHz (real)        pole at 200 kHz (real)        zero at 800 kHz (real)        zero at 800 kHz (real)        zero at 9.4 MHz (real) ")
('2', 'resistors', '\n#  0 r1 430 Ohm n1 nm\n#  1 r2 43 kOhm nm nout')
('4', 'nodes', '\n#  0 n1\n#  1 nm\n#  2 nout\n#  3 nin')

<小时/>

详细信息:

• <word>s? - 匹配零个或一个s <word> 的结束字符
• [\s\S]+? - 匹配任何字符序列[\s\S]一次和无限次之间，尽可能少的次数，根据需要扩展(惰性)
• (?=\n#\S+ ) - 前瞻肯定断言，确保所需的匹配序列后面跟着 \n#\S+ (以 # 和非空白字符序列 \S+ 开头的单独行)