正则表达式捕获新行的意外行为（python）

Question

我正在尝试在大量文本中查找包含 4 个单词或更少且以“:”结尾的行。文本混乱，因此任何空格都可能出现在行的开头或结尾（我不希望这影响我的代码）。 这就是我正在尝试做的事情：

import re
my_string="""Requirements:
Knowledge Required:"""
pattern = r'^\s*(?:\S+\s+){0,3}\S*:\s*$'
print(re.findall(pattern, my_string, flags=re.MULTILINE))

预期输出为：

['Requirements:', 'Knowledge Required']

相反，我得到：

['Requirements:\nKnowledge Required']

Answer 1

^\s*(?:\S+\s+){0,3}\S*:\s*$

这里，问题是

\s

还匹配换行符，而不仅仅是水平空白。你可以使用这个：

^[ \t]*(?:\S+[ \t]+){0,3}\S*:[ \t]*$

其中

[ \t]

将匹配空格或制表符。

Answer 2

您的问题是

\S

将匹配

:

，而

\s

将匹配换行符。所以

(?:\S+\s+){0,3}\S*:

将匹配

Requirements:\nKnowledge Required

。请参阅 regex101 上的演示。您需要从单词中排除

:

并从空白中排除换行符（您可能可以简单地使用 （空格）），即

^\s*(?:[^:\s]+ +){0,3}[^: ]*: *$

在Python中：

my_string="""Requirements:
Knowledge Required:"""
pattern = r'^\s*(?:[^:\s]+ +){0,3}[^: ]*: *$'
print(re.findall(pattern, my_string, flags=re.MULTILINE))

输出：

['Requirements:', 'Knowledge Required:']