如何处理多行搜索

Question

我有一个文本文件，结构如下：

Name1 (Middlename1) LastName
Birthyear
Name2 (Middlename2) LastName
Birthyear
...
NameN (MiddlenameM) LastName
Birthyear

我正在尝试使用RE自动查找名称和年份，但是我不知道如何合并这两个RE，因为这两个信息不在同一行：

import re
regexp = re.compile(  r'(( )*)(?P<name>([a-zA-Z]*)( [a-zA-Z]+)? ROCHE)\n'
                      r'(( )*)(?P<year>18\d\d)\n'
                   )

两个RE正在独立工作，但不能一起工作。我应该怎么做？

Answer 1

至少在英语国家中，名称可以包含连字符（Anne-Marie），撇号（O'Donnell），句号（John Q. Public）等。因此，我正在使用允许这些字符的正则表达式。同样，人们可能有多个中间名。我想说明的是如何通过名称/年份对进行迭代。您可以自定义实际的正则表达式以满足您自己的特定要求。

正则表达式：

^(?P<name>(?:[a-z.'-]+(?:\s+[a-z.'-]+)*))\n(?P<year>\d{4})\n Flags: re.M|re.I

^匹配行的开始。
[a-z.'-]+匹配一个或多个字母，句点，'或-字符。这是一个
名称元素。
(?:\s+[a-z.'-]+)*匹配一个或多个空格字符，后跟
name element。重复0次或更多次。因此，命名组name由1个或多个name elements组成，并由一个或多个空格字符分隔。[\n匹配换行符。
(?P<year>\d{4})\n匹配4位数字，后跟换行符。

该代码依赖于re.finditer查找连续的匹配项：

import re

text = """John Doe
1921
John Q. Public
1987
Anne-Marie Smith
1989
Paul O'Donnell
2001
J. P. Marquand
1893"""

regexp = re.compile(r"^(?P<name>(?:[a-z.'-]+(?:\s+[a-z.'-]+)*))\n(?P<year>\d{4})\n", flags=re.M|re.I)
for m in regexp.finditer(text):
    name = m['name']
    year = m['year']
    # do something with name and year in the second file. Here we are just printing the values.
    print(name, year)

打印：
John Doe 1921
John Q. Public 1987
Anne-Marie Smith 1989
Paul O'Donnell 2001