Python 正则表达式匹配段落
Python Regex Match Paragraphs
我有一个如下所示的字符串：
...
Art. 15 Gegenstand Dieses Gesetz regelt die Bekämpfung der
Geldwäscherei im Sinne von Artikel 305 bis des Strafgesetzbuches6
(StGB), die Bekämpfung der Terrorismusfinanzierung im Sinne von
Artikel 260quinquies Absatz 1 StGB und die Sicherstellung der Sorgfalt
bei Finanzgeschäften.
Art. 22 Geltungsbereich 1 Dieses Gesetz gilt: a. für
Finanzintermediäre; b. für natürliche und juristische Personen, die
gewerblich mit Gütern handeln und dabei Bargeld entgegennehmen
(Händlerinnen und Händler).
...
我正在尝试将字符串拆分为来自 Art 的部分。 XX到下一个艺术。 XX.
因此，例如，第一个匹配项应包含字符串：
Art. 15 Gegenstand Dieses Gesetz regelt die Bekämpfung der
Geldwäscherei im Sinne von Artikel 305 bis des Strafgesetzbuches6
(StGB), die Bekämpfung der Terrorismusfinanzierung im Sinne von
Artikel 260quinquies Absatz 1 StGB und die Sicherstellung der Sorgfalt
bei Finanzgeschäften.
我试过这个：
x = re.findall(r"Art\. (?s).*(?=Art)",text);
还有这个：
x = re.findall(r"Art\. .+(\n.*)*(?=Art)*",text);
但似乎没有按预期工作...
另外我不确定我应该使用 findall 还是 split。
首先，在模式中使用捕获组并将其传递给 re.findall 。接下来，您不应该尝试量化环视，这没有任何意义，而且通常被视为用户错误。 Python 中的 (?=Art)* 将被视为没有 (?=Art)*，因为它表示 "there can be Art or there can be no Art"。就像没有前瞻一样。
您可以使用
result = re.findall(r'(?m)^Art\..*(?:\n(?!Art\.).*)*', text)
详情
(?m)^ - 行首Art\. - Art. 字符串.* - 该行的其余部分(?:\n(?!Art\.).*)* - 0 个或多个不以 Art.
我有一个如下所示的字符串：
...
Art. 15 Gegenstand Dieses Gesetz regelt die Bekämpfung der Geldwäscherei im Sinne von Artikel 305 bis des Strafgesetzbuches6 (StGB), die Bekämpfung der Terrorismusfinanzierung im Sinne von Artikel 260quinquies Absatz 1 StGB und die Sicherstellung der Sorgfalt bei Finanzgeschäften.
Art. 22 Geltungsbereich 1 Dieses Gesetz gilt: a. für Finanzintermediäre; b. für natürliche und juristische Personen, die gewerblich mit Gütern handeln und dabei Bargeld entgegennehmen (Händlerinnen und Händler).
...
我正在尝试将字符串拆分为来自 Art 的部分。 XX到下一个艺术。 XX.
因此，例如，第一个匹配项应包含字符串：
Art. 15 Gegenstand Dieses Gesetz regelt die Bekämpfung der Geldwäscherei im Sinne von Artikel 305 bis des Strafgesetzbuches6 (StGB), die Bekämpfung der Terrorismusfinanzierung im Sinne von Artikel 260quinquies Absatz 1 StGB und die Sicherstellung der Sorgfalt bei Finanzgeschäften.
我试过这个：
x = re.findall(r"Art\. (?s).*(?=Art)",text);
还有这个：
x = re.findall(r"Art\. .+(\n.*)*(?=Art)*",text);
但似乎没有按预期工作... 另外我不确定我应该使用 findall 还是 split。
首先，在模式中使用捕获组并将其传递给 re.findall (?=Art)* 将被视为没有 (?=Art)*，因为它表示 "there can be Art or there can be no Art"。就像没有前瞻一样。
您可以使用
result = re.findall(r'(?m)^Art\..*(?:\n(?!Art\.).*)*', text)
详情
(?m)^- 行首Art\.-Art.字符串.*- 该行的其余部分(?:\n(?!Art\.).*)*- 0 个或多个不以Art. 开头的行