python - 正则表达式查找两个可选模式之间的所有内容，如果没有则返回全部

Question

我有许多新闻文章，其中一些有介绍和结尾陈述。可能的组合是...

• 一些有关新闻报道的文字。
• BBC 报道:一些有关新闻报道的文字。请访问 BBC.com 了解更多信息。
• BBC 报道:一些有关新闻报道的文字。
• 一些有关新闻报道的文字。请访问 BBC.com 了解更多信息。

我想做的是返回“一些关于新闻报道的文本”。在每种情况下。我有下面的正则表达式，它返回第一个和第二个示例。当有介绍或结束语句时我很挣扎。

re.search(r'(?i)(?<=: ).*(?=Read more|Full story|\. Source)', str(doc)).group()

# "(?i)" to ignore case.
# "(?<=: )" to capture text after and excluding ": "
# ".*" match everything between the two patterns. 
# "(?=Read more|Full story|\. Source)" match everything before these three strings. 

Answer 1

看来你可以使用

import re
doc = "The BBC reports: Some text about a news story. Read more on BBC.com."
rx = r'(?i)(?:[^:\n]*:\s*|^)(.*?)(?:$|Read more|Full story|\. Source)'
m = re.search(rx, doc)
if m:
    print(m.group(1))

请参阅regex demo .

详细信息

• (?i) - 忽略大小写标志
• (?:[^:\n]*:\s*|^) - 匹配除 : 之外的 0+ 个字符和一个的非捕获组换行符后跟 :，然后是 0+ 空格或字符串开头
• (.*?) - 第 1 组:除换行符之外的任何 0+ 字符尽可能少
• (?:$|阅读更多|完整故事|\.Source) - 非捕获组匹配阅读更多，完整故事 或 。来源。