python正则表达式搜索添加，用于解析文本文件中的标记

今天早些时候，我得到了一些帮助，但我无法找出问题的最后一部分。此正则表达式搜索从输入返回打开文件中的所有匹配项。我需要做的是找到匹配来自文件的哪一部分

每个部分都用标签打开和关闭。例如，其中一个标记以

开头，以

结尾。我希望能够做到的是，当我找到匹配项时，我希望返回到open标记或向前到close标记，并在输出中包含标记的内容，在本例中为“opera”。我的问题是，我可以通过添加正则表达式来实现这一点，还是有更好的方法？下面是我的代码，它已经非常有效了：

text = open_file.read()
#the test string for this code is "NNP^CC^NNP"
grammarList = raw_input("Enter your grammar string: ");

tags = grammarList.split("^")
tags_pattern = r"\b" + r"\s+".join(r"(\w+)/{0}".format(tag) for tag in tags) + r"\b" 
# gives you r"\b(\w+)/NNP\s+(\w+)/CC\s+(\w+)/NNP\b"

from re import findall
print(findall(tags_pattern, text))

---

一种方法是找到所有出现的开始和结束部分标记（比如它们是

和

），获取索引，并将它们与

标记的每个匹配模式进行比较。它使用类似于
findall
的函数，但也返回索引。比如：

startTags = re.finditer("<opera>",text)
endTags   = re.finditer("</opera>",text)

matches = re.finditer(tags_pattern,text)

# Now, [m.start() for m in matches] gives the starting index into `text`.
# if <opera> starts at subindices 0, 1000, 2345
# and you get a match starting at subindex 1100,
#  then it's in the 1000-2345 block.
for m in matches:
    # find first
    sec = [i for i in xrange(len(startTags)) if i>startTags[i].start()]
    if len(sec)=0:
        print "err couldn't find it"
    else:
        sec = sec[0]
        print "found in\n" + text[startTags[sec].start():endTags[sec].end()]

startTags=re.finditer（“，文本）
endTags=re.finditer（“，文本）
matches=re.finditer（标记\模式，文本）
#现在，[m.start（）表示匹配中的m]将起始索引设置为“text”。
#如果从子索引0、1000、2345开始
#从子索引1100开始匹配，
#然后在1000-2345街区。
对于匹配中的m：
#先找到
如果i>startTags[i]，则sec=[i代表xrange中的i（len（startTags））.start（）]
如果len（sec）=0：
打印“err找不到它”
其他：
秒=秒[0]
打印“在\n”+text[startTags[sec].start（）：endTags[sec].end（）]

（注意：您可以使用
m.group（）
默认值
（）
获取匹配的文本，其中包含组0（即整个字符串），并且您可以使用
m.group（i）
作为第i个捕获组）。
从BeautifulSoup导入BeautifulSoup
tags=“”外部的内容asdfljlaksdjf lkasjdfl kajsdlf kajsdf内容
屋外的凝灰岩
汤=美汤（标签）
soup.opera.text
Out[22]：u'asdfljlaksdjf lkasjdfl kajsdlf kajsdf stuffasdf'
str（汤、歌剧）
Out[23]：“asdfljlaksdjf lkasjdfl kajsdlf kajsdf stuff
asdf'
谢谢。咖啡。我认为这是一个可行的想法，但它返回一个错误，表示可调用迭代器没有len（）。我觉得仅仅使用正则表达式可能更容易，不是吗？我现在最糟糕的问题是我运行的正则表达式，我不完全理解。我是否可以在正则表达式中添加一个搜索字符串，询问下一个“”后面是什么？那会给我标签，不是吗？我的问题是我不知道怎么做。好吧，你可以让正则表达式是“（？=.*？你的搜索正则表达式）”的一些变体，但问题是如果你的标记正则表达式在每个部分中都有多个出现，那么这只会拾取一个。
from BeautifulSoup import BeautifulSoup

tags = """stuff outside<opera>asdfljlaksdjf lkasjdfl kajsdlf kajsdf stuff
<asdf>asdf</asdf></opera>stuff outside"""    

soup = BeautifulSoup(tags)

soup.opera.text
Out[22]: u'asdfljlaksdjf lkasjdfl kajsdlf kajsdf stuffasdf'

str(soup.opera)
Out[23]: '<opera>asdfljlaksdjf lkasjdfl kajsdlf kajsdf stuff
<asdf>asdf</asdf></opera>'