Question

我正在尝试使用正则表达式从包含多篇文章的文件中提取场地。我知道场地以For / From开头，然后是以一周中的某一天开始的日期或作者姓名（如果缺少日期），我写了以下正则表达式以匹配场地，但是它始终匹配所有内容直到作者姓名，这意味着如果该文章有日期，日期也会在场地中出现。

"""((?<=\n)(?:(?:\bFrom\b)|(?:\bFor\b)).*?(?=(?:(?:Monday|Tuesday|Wednesday|Thursday|Friday|Saturday|Sunday)|(?:[A-Z]+))))""".r

为什么我的代码与遇到的日子不匹配，而是继续匹配作为作者姓名的[A-Z]。

输入：“各州之间敌对行动的后果

来自纽约包。

1787年11月20日，星期二。

HAMILTON

致纽约州人民：“

该行“1787年11月20日星期二”。是可选的，可能不会出现在所有文章中。我希望输出为“From the New York Packet”。我收到了没有日期的文章的正确输出，但是我得到了输出“来自纽约包。

1787年11月20日，星期二。“对于包含日期的文章。

Answer 1

根据您的编辑，您真正需要的是

^(From|For).*

带有多行标志。

我知道场地以For / From
开头
，然后是日期，从一周中的某一天开始，如果日期缺失则由作者姓名开头

它始终匹配所有内容，直到作者姓名，这意味着如果该文章有日期，日期也会在场地中出现。

听起来你想在文本文件中找到以“From”或“For”开头的整行

^(From|For)

（设置多行标志，以便^匹配行的开头而不是输入的开头。）

后面是可选日期

\s+(Monday|Tuesday|Wednesday|Thursday|Friday|Saturday|Sunday)?

后跟作者姓名

\s+\w+\s+\w+

然后是一切，直到行尾

.*

除非当然，否则您的意思是要跳过日期并仅匹配For / From和作者姓名（而不是日期）。仅在Regex中无法完成 - 但您可以使用分组来提取所需的值。

Answer 2

您只需要捕获以For或From开头的整行，这样您就可以使用它：

^(For|From).*$

^和$将匹配锚定到行的开头和结尾，而。*匹配中间的所有内容。

此处，try it out包含您喜欢的任何示例。

如果这需要更复杂，我会更新我的答案。