Как включить весь текст в группу регулярных выражений до группы параметров или до следующего совпадения? ⇐ Python

[Anonymous]

Я работаю с Python Re. Я пытаюсь создать 3 группы в совпадениях для текста, настроенного следующим образом:

Код: Выделить всё

1. INTRO:
1.1 Title
1.2 Context:
1.2.1 item1
item1 continued
item1 continued
1.2.2 item2 (03-15-A-B)
1.2.3 item3
text continued
(03-35-A-B)
1.2.4 item4
(03-15
-B-4)
1.2.5 item5, (B-21-Q-2) continued
1.3 Background:
1.3.1 Not Applicable

В данный момент я работаю конкретно над разделом «Контекст (1.2), поэтому все, что я хотел бы извлечь, должно начинаться с 1.2.x, где x — любое целое число, большее» чем 0.
Каждое совпадение будет элементом списка, начинающимся с номера раздела и заканчивающимся непосредственно перед следующим элементом списка (т. е. номером раздела).
Я пытаюсь извлечь три группы в каждом совпадении:

• Номер раздела (т. е. 1.2.1 и т. д.)
• Текст номера раздела (т. е. item1)
  Случайный/необязательный идентификационный код (например, (03-15-A-B) в 1.2.2). Этот идентификационный код иногда встречается в тексте (группа 2) элемента списка.

С помощью следующего шаблона регулярного выражения я могу извлечь все три группы. Единственная проблема заключается в том, что когда текст элемента переходит на следующую строку(и), в группу 2 извлекается только первая строка.
Итак, в этом примере с шаблоном, который я сейчас использую используя элементы списка 1.2.1 и 1.2.3, они не извлекают так, как мне хотелось бы. Например, для 1.2.1 извлекается только элемент1, а не элемент1 (продолжение) элемент1 продолжение в совпадении или группе 2.
С В этом шаблоне я также извлекаю идентификационный код без скобок в группе 4, что сделано намеренно.
Для ясности, в приведенном выше примере мои желаемые совпадения и группы будут следующими:< /p>

• Соответствие 1:

  Код: Выделить всё

  1.2.1 item1
  item1 continued
  item1 continued
  

  Группа 1:

  Код: Выделить всё

  1.2.1
  

• Группа 2:

  Код: Выделить всё

  item1
  item1 continued
  item1 continued
  

[*]Соответствие 2:
< pre class="lang-none Prettyprint-override">

Код: Выделить всё

1.2.2 item2 (03-15-A-B)

• Группа 1:

  Код: Выделить всё

  1.2.2
  

• Группа 2:

  Код: Выделить всё

  item2
  

• Группа 3:

  Код: Выделить всё

  (03-15-A-B)
  

[*]Сочетание 3:
< pre class="lang-none Prettyprint-override">

Код: Выделить всё

1.2.3 item3
text continued
(03-35-A-B)

• Группа 1:

  Код: Выделить всё

  1.2.3
  

• Группа 2:

  Код: Выделить всё

  item3
  text continued
  

• Группа 3:

  Код: Выделить всё

  (03-35-A-B)
  

[*]Сочетание 4:
< pre class="lang-none Prettyprint-override">

Код: Выделить всё

1.2.4 item4
(03-15
-B-4)

• Группа 1:

  Код: Выделить всё

  1.2.4
  

• Группа 2:

  Код: Выделить всё

  item4
  

• Группа 3:

  Код: Выделить всё

  (03-15-B-4)
  

[*]Сочетание 5:
< pre class="lang-none Prettyprint-override">

Код: Выделить всё

1.2.5 item5, (B-21-Q-2) continued

• Группа 1:

  Код: Выделить всё

  1.2.5
  

• Группа 2:

  Код: Выделить всё

  item5,  continued
  

• Группа 3:

  Код: Выделить всё

  (B-21-Q-2)
  

Вот мой шаблон:




Вот мой шаблон:

Код: Выделить всё

(1\.2\.\d+)\s+([\s\S].*?(?:\s*(\(?\s*([a-zA-Z0-9.]+\s*[-—]\s*[a-zA-Z0-9.]+\s*[-—]\s*[a-zA-Z0-9.]+\s*[-—]\s*[a-zA-Z0-9.]+)\)?).*?)?)?$

Шаблон идентификационного кода настроен таким образом, поскольку существовало множество случаев различного форматирования.


Подробнее здесь: https://stackoverflow.com/questions/793 ... oup-or-the