Python 正则表达式匹配搜索字符串的意外部分

Question

我正在尝试使用正则表达式(Python 2.7；IPython QTConsole)解析页面。该页面是我使用 urllib2

从 Web 目录中提取的 .txt 文件

>>> import re
>>> Z = '[A-Z]{2}Z[0-9]{3}.*?\\$\\$'
>>> snippet = re.search(Z, page, re.DOTALL)
>>> snippet = snippet.group() # Only including the first part for brevity.
'PZZ570-122200-\nPOINT ARENA TO POINT REYES 10 TO 60 NM OFFSHORE-\n249 AM PDT FRI SEP 12 2014\n.TODAY...SW WINDS 5 KT. WIND WAVES 2 FT OR LESS.\nNW SWELL 3 TO 5 FT AT 12 SECONDS. PATCHY FOG IN THE MORNING.\n.TONIGHT...W WINDS 10 KT. WIND WAVES 2 FT OR LESS.'

我想搜索后跟句点的换行符。我想得到如下的第一次和第二次出现。目标是解析第一个和第二个(以及后续)\n\. 分隔符之间的信息。我知道我可以环顾四周，但我很难使前瞻变得贪婪。此外，我不明白为什么以下不起作用。

>>> pat = r"\n\."
>>> s = re.search(pat, snippet.group(), re.DOTALL)
>>> e = re.search(pat, snippet.group()[s.end():], re.DOTALL)

上面的s可以工作，但是我得到了一个奇怪的e结果。

>>> [s.group(), s.start(), e.group(), e.end()]
['\n.', 90, '\n.', 110]

>>> snippet.group()[s.start():e.end()]
'\n.TODAY...SW WINDS 5'

>>> snippet.group()[e.start():e.end()]
' 5'

我猜 snippet.group() 中隐藏了一些格式？如果是这样的话，那么奇怪的是，一些换行符是显式的，就好像 snippet.group() 是原始的，而其他换行符是隐藏的。为什么 e.group() 和 snippet.group()[e.start():e.end()] 不同？

如果这个问题已经得到解决，我深表歉意。我找不到任何相关的东西。

提前非常感谢。

Answer 1

要在Python中分割字符串，使用str.split()可能更容易或re.split() .

例如:

"1\n.2\n.3".split("\n.")