python regex複数の行にまたがる一致を見つける

Question

私はPythonで正規表現を使用してBibTexから文字列を取得しようとしています。私はタイトルの文字列を、つかむしたい

a = '''title = {The Origin ({S}, 
     {Se}, and {Te})- {TiO$_2$} Photocatalysts}, 
    year = {2010}, 
    volume = {114},''' 

：ここに私の文字列の一部である

pattern = re.compile('title\s*=\s*{(.*|\n?)},\s*\n', re.DOTALL|re.I) 
pattern.findall(a) 

しかし、それだけで：

The Origin ({S}, 
     {Se}, and {Te})- {TiO$_2$} Photocatalysts 

私は現在、このコードを持っています私に教えてください：

['The Origin ({S},\n   {Se}, and {Te})- {TiO$_2$} Photocatalysts},\n  year = {2010'] 

yearの情報がないタイトル文字列全体？ 何度も、yearはtitleの直後にありません。だから私は使用することはできません。

pattern = re.compile('title\s*=\s*{(.*|\n?)},\s*\n.*year', re.DOTALL|re.I) 
pattern.findall(a) 

Answer 1

迅速な解決策は、あなたの正規表現パターン

pattern = re.compile('title\s*=\s*{(.*|\n?)},\s*\n', re.DOTALL|re.I) 

Answer 2

を修正することですあなたが正規表現になりたいか、一般的に依存します。私はあなたの文字列に{と}を含めることができると思いますので、パターンの終わりをマークするためにそれを使用すると問題が発生します。また、複数の括弧がある可能性があります。

ここでは、正規表現の終わりにyearという単語を探して、それが定数であると仮定した場合の考え方を示します。

pattern = re.compile('title\s*=\s*{(.*?)},\s*\n\s*year', re.DOTALL|re.I) 

Answer 3

textwrap役立つことができます：

import textwrap 

a = '''title = {The Origin ({S}, 
     {Se}, and {Te})- {TiO$_2$} Photocatalysts}, 
    year = {2010}, 
    volume = {114},''' 

indent = " " 
print(textwrap.dedent(indent + a)) 

Answer 4

はregex module以降を使用します。

import regex as re 

rx = re.compile(r''' 
     (?(DEFINE) 
      (?<part>\w+\ =\ \{) 
      (?<end>\},) 
      (?<title>title\ =\ \{) 
     ) 
     (?&title)(?P<t>(?:(?!(?&part))[\s\S])+)(?&end) 
    ''', re.VERBOSE) 

string = ''' 
title = {The Origin ({S}, 
     {Se}, and {Te})- {TiO$_2$} Photocatalysts}, 
    year = {2010}, 
    volume = {114}, 
''' 

title = rx.search(string).group('t') 
print(title) 
# The Origin ({S}, 
# {Se}, and {Te})- {TiO$_2$} Photocatalysts 

それは本当にそれは別の解決策を提供し、必要とされていませんけれども。