如何使用python findall获取多个元组

Question

我正在尝试使用python findall（）从以下'text'获取多个元组

text = '[szur formatter] line 1<?xml version="1.0"?><star>[szur parser] line 2<?xml version="1.0"?><Planet>'

我希望从'text'中获得以下匹配模式

    Match 1
    [szur formatter] line 1 
    <?xml version="1.0"?><star>

    Match 2
    [szur parser] line 2
    <?xml version="1.0"?><Planet> 

我正在尝试使用此正则表达式查找

re.findall(r'\[(szur.*?[^<])(<.*>+)', text)

这收益率

[('szur formatter] line 1', '<?xml version="1.0"?><star>[szur parser] line 2<?xml version="1.0"?><Planet>')]

如何获得预期的结果。我的正则表达式不会产生第二个元组。我如何修改我的正则表达式以获得此功能？任何指针将不胜感激。

Answer 1

这是一个做出一些假设的正则表达式：

>>> re.findall(r"(\[szur.*?[^\]]\] line \d*)([^\[]*)", text)
[('[szur formatter] line 1', '<?xml version="1.0"?><star>'), 
 ('[szur parser] line 2',    '<?xml version="1.0"?><Planet>')]

但是，严肃地说，如果你发现自己正在使用正则表达式解析XML和非XML的混合，请问自己：“我是怎么来到这里的？”

Answer 2

我想知道这是不是一个好主意（使用正则表达式），但是你走了：

\[szur[^][]*\].*?<\w+>

使用DOTALL修饰符并查看a demo on regex101.com。

---

In Python:

import re

string = """[szur formatter] line 1<?xml version="1.0"?><star>[szur parser] line 2<?xml version="1.0"?><Planet>"""

rx = re.compile(r'(\[szur[^][]*\].*?<\w+>)')

matches = rx.findall(string)
# matches = rx.findall(string, re.DOTALL)
print(matches)