Python 2.7：使用正则表达式匹配VTT字幕中的字幕事件

我正在编写一个python脚本来解析VTT字幕文件。 我使用正则表达式匹配和提取特定元素：

• “在时间码中”
• “超时代码”
• “其他信息”（主要是对齐信息，如对齐：中间或直线：-1）
• 字幕内容（实际文本）

我正在使用标准库中Python的“re”模块，我正在寻找一个正则表达式，它将匹配下面所有（5）个“字幕事件”：

WEBVTT

00:00:00.440 --> 00:00:02.320 align:middle line:-1
Hi.

00:00:03.440 --> 00:00:07.520 align:middle line:-1
This subtitle has one line.

00:00:09.240 --> 00:00:11.080 align:middle line:-2
This subtitle has
two lines.

00:00:15.240 --> 00:00:23.960 align:middle line:-4
Now...
Let's try
four...
lines...

00:00:24.080 --> 00:00:27.080 align:middle

注意，stackoverflow不允许我在代码块的末尾添加空行。通常最后一个“空”行将存在，因为有换行符（

\r\n

或

\n

）。之后：

00:00:24.080-->00:00:27.080对齐：中间

下面是我的代码。我的问题是，我无法找到一个正则表达式来匹配所有的“字幕事件”（包括一个以空行作为“字幕内容”的事件）

我在代码中尝试了几个正则表达式的变体。一切都没有成功。对我来说也很奇怪的是，如果我把正则表达式组放在一个变量中并打印它们，就像我对这段代码所做的那样，我只会得到最后一行作为
SUBTITLE CONTENT
。但我一定是做错了什么（对吧？）。非常感谢您的帮助

提前感谢。
您的正则表达式与最后一个副标题不匹配的原因如下：

(^.+\n)+\n?

^.+\n
正在查找包含1个或多个字符的行。但文件中的最后一行为空，因此不匹配

subtitle\u content
只包含最后一行的原因也在这里。您正在将每一行逐个与
（^.+\n）+
匹配，即捕获组始终只捕获一行。对于每个匹配的行，捕获组的上一个值将被丢弃，因此最后只剩下最后一行。如果要捕获所有行，必须在捕获组内一次性匹配所有行，例如：

((?:^.+\n)+)


为了使正则表达式正确工作，我稍微更改了最后两行：

(^[0-9]{2}[:][0-9]{2}[:][0-9]{2}[.,][0-9]{3})
[ ]-->[ ]
([0-9]{2}[:][0-9]{2}[:][0-9]{2}[.,][0-9]{3})
([^\n]*)?\n       # replaced `.*` with `[^\n]*` here because of the S-modifier
(.*?)(?:\n\n|\Z)  # this now captures everything up to 2 consecutive
                  # newlines or the end of the string

这个正则表达式需要修饰符
m
（多行）、
s
（单行）当然还有
x
（详细）

看看它的实际效果。
试试，你的模式的最后两行可以变成
（.*）\r？\n（[\s\s]*？）\s*（？：（？：\r？\n）{2}|\Z）
谢谢你@WiktorStribiż。我想您不需要…
\r？
。。。在那里。在任何情况下，它对我来说都是有效的，没有
\r？
，在Windows机器上有一个测试文件，\r\n用于换行符（Windows样式）。我更喜欢@Aran Fey提供的解决方案，因为（对我来说）它更容易阅读。但是这同样很好，所以感谢堆：）我只是试图提供一个不改变修饰符的提示，
[^\n]
将在文本数据中有
\r
后停止工作。如果您只有
\n
结尾，那么我的建议如下。另外，要理解正则表达式中最后一个子模式的问题，请阅读。谢谢@aranfey，这非常有效。很好的解释。这个正则表达式在多内容行的情况下对我不起作用：例如，
blah-blah-blah（newline），就像我说的blah-blah
所以我更喜欢上面顶部评论中的Wiktor Stribiżew解决方案
(^[0-9]{2}[:][0-9]{2}[:][0-9]{2}[.,][0-9]{3})
[ ]-->[ ]
([0-9]{2}[:][0-9]{2}[:][0-9]{2}[.,][0-9]{3})
([^\n]*)?\n       # replaced `.*` with `[^\n]*` here because of the S-modifier
(.*?)(?:\n\n|\Z)  # this now captures everything up to 2 consecutive
                  # newlines or the end of the string