python正则提取特定标签内的字符

2019独角兽企业重金招聘Python工程师标准>>>

python 3.5.2

提取下面数据 多个组合

[BEGIN]

[b]*****[e]

[b]-------[e]

[b]XXX

DDD

FFF

[e]

[END]

类似这种数据，提取[BEGIN] 和 [END]中间的内容。

思想，两个标签之间任意字符串，且不含有结尾标签组合的结构。

如果中间有 结尾处的字符组合那就没戏了！

r'\[BEGIN\]([\s\S]([^D]|[^N]D|[^E]ND)*)\[END\]'

\[BEGIN\]  开头

([\s\S]([^D]|[^N]D|[^E]ND)*) 中间

[\s\S] 任意字符串 ([^D]|[^N]D|[^E]ND) 不含有END组合的  *  任意个

\[END\]  结尾处字符串

xx = """[BEGIN]
[L_B]111dsfasfa 黄s423333[L_E]
[END]
[BEGIN]
[L_B]222dsfas  23444[L_E]
[END]"""
y = re.findall(r'\[BEGIN\]([\s\S]([^\]][^D]\]|[^N]D\]|[^E]ND\]|[^\[]END\])*)\[END\]', xx, re.M)
print(y)

上面的内容比之前讲解的内容稍长 排除了 [END] 组合

但是可见 后标签越长 匹配串越长 效率越低

之后又经过改进 最终如下

r'\[BEGIN\]([\s\S.]*?)\[END\]'

([\s\S.]*?)  加上？号 不贪婪匹配 点放在 方括号内

基本上完美了。这应该是最终解决方案。

研究学习到了。

转载于:https://my.oschina.net/raddleoj/blog/810472