python - Python 3.x 中匹配此类字符串的正则表达式

Question

我有这个字符串，

irn
1b6d13bbbe6e0e4bd8e5d7619bf7997672
bc42d1d2442b531a487f9061df2626

但有时，会这样

irn 
1b6d13bbbe6e0e4bd8e5d7619bf7997672bc42d1d2442b531a487f9061df2626

，或

irn
no
1b6d13bbbe6e0e4bd8e5d7619bf7997672
bc42d1d2442b531a487f9061df2626

或

irn
no
1b6d13bbbe6e0e4bd8e5d7619bf7997672bc42d1d2442b531a487f9061df2626

实际上，我正在阅读 pdf 的内容并获取输出， 所以我正在使用，

re.findall(r'\w+',payload)

拾取所有单词而不是任何其他字符。

我正在使用这个正则表达式来匹配上面的字符串，

irn(\s+?)(\w+\s+?)(([a-zA-Z0-9]{64})|([a-zA-Z0-9\s+]{65}))

这对工作正常

irn
no
1b6d13bbbe6e0e4bd8e5d7619bf7997672
bc42d1d2442b531a487f9061df2626

irn
no
1b6d13bbbe6e0e4bd8e5d7619bf7997672bc42d1d2442b531a487f9061df2626

但是对于这种情况:

irn
1b6d13bbbe6e0e4bd8e5d7619bf7997672
bc42d1d2442b531a487f9061df2626

第 2 组正在捕获第 2 行，第 6 组正在捕获第 3 行及后续行以下，直到 64 个字符。

由于我无法维护 pdf 中的数据格式，因此请您帮我解决这个问题。

实际上，该字符串将从“irn”开始，然后可能有也可能没有一些单词，然后irn编号将固定为64个字符长。

Answer 1

您可以将此正则表达式与第二行中的可选匹配一起使用:

^irn[\r\n]+(?:(\w+)[\r\n]+)?([a-zA-Z0-9\r\n]{64,65})$

RegEx Demo

说明:

• ^irn[\r\n]+:匹配 irn 后跟 1 个以上换行符
• (?:(\w+)[\r\n]+)?:可选择匹配 1 个以上单词字符，后跟 1 个以上换行符并捕获第 1 组中的单词
• ([a-zA-Z0-9\r\n]{64,65}):匹配字母数字字符或换行符 64 或 65 次。在第 2 组中捕获此内容
• $:结束