正则表达式在表达式之间查找文本，其中一个匹配的结尾可能是下一个匹配的开始

Question

我想在下面的数据中使用Python 3.5匹配每行开始“2个电容”，“1个运算放大器”等的文本：

#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：

比赛1：(2, capacitors, # 0 c1 10 uF GND n1# 1 c2 47 pF nm nout)

比赛2：(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.......)

比赛3：(2, resistors, # 0 r1 430 Ohm n1 nm# 1 r2 43 kOhm nm nout)

比赛4：(4, nodes, # 0 n1# 1 nm# 2 nout# 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和第一个不是空格的行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]技巧是匹配所有字符，包括不同平台上的换行符。）

问题是1 op-amp和4 nodes段不匹配，因为它们构成了前一个匹配的一部分：例如，#1 op-amp线。我怎样才能获得所有可能的匹配？

Answer 1

优化的解决方案：

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')

---

细节：

• <word>s?-匹配s的零或一个<word>结束字符
• [\s\S]+? - 在一次和无限次之间匹配任何字符序列[\s\S]，尽可能少，根据需要扩展（懒惰）
• (?=\n#\S+ ) - lookahead positive assertion，确保所需的匹配序列后跟\n#\S+（以#开头的单独行和非空白字符序列\S+）