Python 使用可选字符串查找最近的文本

除了图案中有一些可选的数字（传真号码）外，我有

content = """Generator London ABC / FI9
Phone +758 00 000000000
E-Mail london.abcd@gen.in
Fax
Generate order no 546465438
Generate order date 29.04.2018
Country of Use
Page 1/ 3
Generator London ABC  / FI9
Phone +758 91 702 122222
E-Mail london.abcd@gen.in
Fax
Generate order no 4504967662
Generate order date 29.01.2018
Country of Use
Page 2/ 3
Payment terms:
30 days - 2 %, 45 days net
Supplier
Generator London ABC  / 3I9
Phone +758 91 702 122222
E-Mail london.abcd@gen.in
Fax +07023400800 1234 
XI54545454 ZI41 8263 8815 1100
+2939 218932 000
Total Profit Total Budget
...
"""

观察最后一次出现的传真，传真号码不一致，但

Fax

字符串始终保持不变

我有数百个这种格式的文件，必须提取传真（传真号除外）和总利润之间的确切文本

$re.findall(r'Fax\s((?:(?!Fax).)*?)Total', content , re.DOTALL|re.M)
['+07023400800 1234\nXI54545454 ZI41 8263 8815 1100\n+2939 218932 000\n']

如何通过改进正则表达式模式来摆脱传真号码使用

预期结果：

['XI54545454 ZI41 8263 8815 1100\n+2939 218932 000\n']

我不想使用手动文本处理，例如[result[0].split（'\n'）[1:]]，因为这是我的通用方法

---

我自己尝试了一些模式，但没有成功。

我建议匹配

Fax

后的文本，这是一行中的第一个单词，然后匹配它后面的整行而不捕获，然后捕获任何不以

Fax

或

Total

开头的行，直到以

Total

开头的行：

re.findall(r'(?m)^Fax\b.*((?:[\r\n](?!Total|Fax).*)+)[\r\n]Total', s)

看。您可能需要去掉其中的空白，但它比

^Fax[^\n\r]*[\r\n]+（（？：（？！Fax）。*）*？）[\r\n]Total

更有效、更精确，因为此选项将阻止以

Fax

和

Total

开头的行与

Fax

匹配

详细信息

• （？m）

  -有关多行的

  内联修饰符

• ^

  -行首

• Fax\b

  -一个完整的单词

  Fax

• *

  -行的其余部分

• （（？：[\r\n]（？！Total | Fax.*）+）

  -捕获组1：一次或多次重复

  • [\r\n]

    -CR或LF符号

  • （？！Total | Fax）

    -后面不跟

    Total

    或

    Fax

    （替换为

    （？！（？：Total | Fax）\b）

    以仅将它们作为整字匹配）

  • *

    -行的其余部分

• [\r\n]

  -CR或LF

• Total

  -单词

  Total

  （添加

  \b

  需要一个完整的单词，

  Total\b

  ）

尝试以下操作：-

import re

content = """Generator London ABC / FI9
Phone +758 00 000000000
E-Mail london.abcd@gen.in
Fax
Generate order no 546465438
Generate order date 29.04.2018
Country of Use
Page 1/ 3
Generator London ABC  / FI9
Phone +758 91 702 122222
E-Mail london.abcd@gen.in
Fax
Generate order no 4504967662
Generate order date 29.01.2018
Country of Use
Page 2/ 3
Payment terms:
30 days - 2 %, 45 days net
Supplier
Generator London ABC  / 3I9
Phone +758 91 702 122222
E-Mail london.abcd@gen.in
Fax +07023400800 1234 
XI54545454 ZI41 8263 8815 1100
+2939 218932 000
Total Profit Total Budget
...
"""

print re.findall(r'Fax\s[\+0-9\s]+((?:(?!Fax).)*?)Total', content , re.DOTALL|re.M)

---

这里，我们用[+0~9s]来更新传真的正则表达式，因此它将考虑“+”、“0到9”的数字和数字中的任何空间。希望这会有所帮助

试试看。也许，更好的方法是不使用

re.DOTALL

修饰符。@WiktorStribiżew-这太疯狂了，你怎么能在2分钟内做到。。。！从过去几个小时以来，我一直在试图修复它。你是天才。请回答我会接受的。非常感谢：）