Python 在任意表达式组合之间提取文本（列表）

我需要从文本文件（嵌入在较大文件中的字母的开头和结尾）中提取两个表达式（开头和结尾）之间的文本。我面临的问题是，这封信的开头和结尾都有多种可能的表达方式

我有一个表达式列表，这些表达式可能符合开始/结束表达式的条件。我需要从较大的文本（包括开始和结束表达式）中提取这些表达式的任意组合之间的所有文本，并将其写入新文件

sample_text = """Some random text 
asdasd
asdasd
asdasd
**Dear my friend,
this is the text I want to extract.
Sincerly,
David**
some other random text
adasdsasd"""

到目前为止，我的代码是：

letter_begin = ["dear", "to our", "estimated", ...]
letter_end = ["sincerly", "yours", "best regards", ...]

with open('path/to/input') as infile, open('path/to/output', 'w') as outfile:
    copy = False
    for line in infile:
        if line.strip() == "dear": #shortcomming: only 1 Expression possible here
            copy = True
        elif line.strip() == "sincerly": #shortcomming: only 1 Expression possible here
            copy = False
        elif copy:
            outfile.write(line)

---

上面的例子包括“亲爱的”作为字母的开头表达式，“真诚的”作为字母的结尾表达式。我需要一个灵活的代码，它能够从上面的列表中捕获任何开头和结尾字母表达式（表达式的任何潜在组合；例如“亲爱的[…]休息问候”或“估计的[…]真诚”）

我们可以尝试在点全和多行模式下使用

re.findall

，模式如下：

Dear\s+.*?Sincerely,\n\S+

这将捕获并包括所有内容，从单词

亲爱的

，到

真诚的

，然后是

真诚的

后面下一行的内容。下面是一个代码示例：

output = re.findall(r"Dear\s+.*?Sincerely,\n\S+", sample_text, re.MULTILINE|re.DOTALL)
print(output)

编辑：

如果您想匹配多个可能的问候语和结束语，那么我们可以使用替代：

letter_begin = ["dear", "to our", "estimated"]
openings = '|'.join(letter_begin)
print(openings)
letter_end = ["sincerely", "yours", "best regards"]
closings = '|'.join(letter_end)
regex = r"(?:" + openings + r")\s+.*?" + r"(?:" + closings + r"),\n\S+"
output = re.findall(regex, sample_text, re.MULTILINE|re.DOTALL|re.IGNORECASE)
print(output)

['Dear my friend,\nthis is the text I want to extract.\nSincerely,\nDavid**']

---

你到底想从上面的文本中提取什么？嗨，蒂姆，我想提取“亲爱的我的朋友，这是我想提取的文本。真诚的，大卫”，其中“亲爱的”标记字母的开头，“真诚的”标记字母的结尾-开头和结尾的标识必须灵活，因为我想循环一堆文件（使用不同的开头和结尾表达式）所以您只想提取一行，其中包含

亲爱的我的朋友

，对吗？不，我想提取所有文本，从“亲爱的”开始，到“Sincerly”[+Word after，这是名称”。从我上面的示例中，所需的输出将是“亲爱的朋友，这是我想提取的文本。诚恳地说，大卫“非常感谢你的解答。蒂姆。如果我没有弄错，那么这个解决方案只适合表达“亲爱的”和“诚恳的”，但不会在开头（例如“估计的朋友”）或结尾（例如“最好的问候”）捕捉任何其他表达正确吗？是的，没错。如果你有其他逻辑，我可以编辑我的答案。一般来说，要使用正则表达式，你需要知道你想要匹配的文本。正则表达式不能真正进行机器学习，也不能猜测内容。好的，明白了，有没有办法让正则表达式搜索任何出现的表达式列表（在本例中为字母\u开始列表）和“记录”从出现到出现其他列表（在本例中为字母\u结束列表）中表达式的所有文本？是的，我们可以使用替代选项。编辑您的问题，并提供必要的信息。我发布的内容回答了您实际提出的问题。@DominikScheld回答已更正，您可以尝试。