Python re.findall不符合我所期望的一切

我必须处理大量包含大量YAML块的文本，如下所示：

键1:
-值1
-值2
键1:
-值1
-值2
-价值3

每个键的值数可能会有所不同。我想提取不同的键值对，因为我必须检查它们是否以某种方式格式化。我的想法是使用以下正则表达式（我也检查了）：

并将其与

re.findall（）

和

re.VERBOSE

标志一起使用。然而，这导致了

[('key1', '- value3\n'), ('key2', '- value3\n')]

不像我预料的那样

[('key1', '- value1\n', '- value2\n'), ('key', '- value1\n', '- value2\n', '- value3\n']`

更让我困惑的是如果我使用

(.*):\n(-\ .*\n)(-\ .*\n)

或

所以显式写出值项两三次，效果很好。这当然不是我想要的；我希望捕获每个键的可变数量的值

---

我在Windows上使用Python 3.8。

您的正则表达式定义了两个捕获组，因此生成的匹配分别包含这两个组的值。如果其中一个组被重复（在您的情况下通过

*

），则它包含最后一个匹配值。如果要重复组中的所有匹配项，可以将其嵌入到另一个组中：

(.*):\n((?:- .*\n)*)

结果将所有

-value*

作为一个字符串包含，因此需要在

'\n'

上手动拆分：

result = {k: v.split('\n') for k, v in re.findall('(.*):\n((?:- .*\n)*)', text)}

---

你为什么要用regex做这个？使用YAML解析器。您的解决方案如下：，请使用@jonrsharpe提到的解析器，它更简单。@jonrsharpe YAML块只是整个文件的一小部分，并且格式不总是正确的。基本上，我必须检查大量手动创建的文件的结构（例如，正确的MD标题顺序正确）和格式（例如，一些段落应根据周围的元素加粗）。我一直在使用越来越复杂的正则表达式来过滤最基本、最模糊的错误，所以我的第一个方法就是在这里使用正则表达式。不管怎样，谢谢你的回答，我会检查语法分析器。@shanylong谢谢你的链接，我会检查它。虽然对我原始问题的评论为我指出了一个更富有成效的方向，但这个答案首先澄清了问题所在。谢谢

(.*):\n((?:- .*\n)*)

result = {k: v.split('\n') for k, v in re.findall('(.*):\n((?:- .*\n)*)', text)}