正则，请问如何实现匹配最内层的内容

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› http://diveintopython.org/toc/index.html

› Pocoo

值得关注的项目

› PyPy

› Celery

› Jinja2

› Read the Docs

› gevent

› pyenv

› virtualenv

› Stackless Python

› Beautiful Soup

› 结巴中文分词

› Green Unicorn

› Sentry

› Shovel

› Pyflakes

› pytest

Python 编程

› pep8 Checker

Styles

› PEP 8

› Google Python Style Guide

› Code Style from The Hitchhiker's Guide

这是一个创建于 1422 天前的主题，其中的信息可能已经有所发展或是发生改变。

123start123
1111111111
4567start4567
****
****
****
789end789
1234end1234

如何匹配中间的三行 '****'，使得最终输出为：

***
***
***

有多个 start 、end 标记（不一定成对出现），start 、end 之前之后的有多个不定长字符

\n.*start.*\n([\s\S]*?)\n.*end

PS：能解决的方案目前有下面这种，不知道下面这个能不能满足上面的需求（样例之外的），有没有简单点的，或者碰到这种一般怎么解决比较好？

(?s)\n[^\n]*start[^\n]*\n((.(?!start))*?)\n[^\n]*end

第 1 条附言 · 2020-12-25 16:16:14 +08:00

详见：https://regex101.com/r/qWCjxp/2

10 条回复 • 2020-12-25 17:59:58 +08:00

lululau

2020-12-25 14:20:35 +08:00

搜“Python recursive regexp”

lovecy

2020-12-25 14:41:21 +08:00

你这个我没看懂到底要干什么
给的正则例子也无法匹配你样例里的中间三行。。。。
建议重新梳理一下题目

shyrock

2020-12-25 15:34:07 +08:00

一开始以为是要剥离成对出现的 start 和 end，结果发现不是。那么你要剥离的文本到底是什么特征？就是一行里面有‘start’或者‘end’的都剥离？‘11111111’也剥离？不像啊

caneman

2020-12-25 15:36:29 +08:00

@lululau
谢谢~

@lovecy
可以的，上面那个第二条才可以
(?s)\n[^\n]*start[^\n]*\n((.(?!start))*?)\n[^\n]*end
这个有倆 group，在 group1 里面

下面这个就只有一个组了
(?s)\n[^\n]*start[^\n]*\n((?:.(?!start))*?)\n[^\n]*end

https://regex101.com/r/qWCjxp/1/

caneman

2020-12-25 15:39:41 +08:00

@shyrock 111 也不要，只要最内层的
可以理解为最后一个 start 所在的那一行（不包括此行）和第一个 end 所在那一行（不包括此行）中间夹着的东西

你可以见上面我回复中贴的 regex101 链接

caneman

2020-12-25 15:46:58 +08:00

@shyrock 可以理解为，分隔符为，由 start 和无序字符组成的行，由 end 和无序字符组成的行，中间夹着的东西（最内层）

至于我为什么要从\n 开始匹配，是因为，我对这个行的总字数是有要求的，更可能的情况下应该是类似下面这样的

(?s)\n[^\n]{0,10}start[^\n]{0,10}\n((?:(?<!start).)*?)\n[^\n]{0,10}end

caneman

2020-12-25 16:00:10 +08:00

上面那个链接，测试文字前面应该再加一行干扰行，用下面这个比较好
https://regex101.com/r/qWCjxp/2

wlsnx

2020-12-25 16:41:08 +08:00

(?s).*start[^\n]*\n(.*?)\n[^\n]*end
稍微短一点

lovecy

2020-12-25 17:53:42 +08:00

/(?:^.*start.*$\n)((?:(?!start|end)[\s\S])*)(?:^.*end.*$)/gm
我这个也可以

lovecy

2020-12-25 17:59:58 +08:00

不同语言的正则引擎实现还是有差异的，你给的链接用的是 PHP （ PCRE ）的正则引擎，最好用 PYTHON 的多测试一下