在Python中匹配先前定义的组

Question

这个问题是关于在Python中匹配先前定义的组，但实际上并不那么简单。

这是我想要匹配的文本：

Figure 1: Converting degraded weaponry to research materials.

Converting degraded weaponry to research
materials.

这是我的正则表达式：

(Figure )(\d)(\d)?(: )(?P<description>.+)(\n\n)(?P=description)

现在，我当前所拥有的问题是正则表达式无法匹配文本，因为第三行的“research”后面出现了换行符。我希望Python在匹配前一个组与我的字符串时忽略换行符。

- xaav

---

据我所知，在标准正则表达式中没有这种功能。尝试使用Python的模糊匹配。 - FrankieTheKneeMan

我相信你可以使用 re.MULTILINE 来完成这个任务。看看这个链接是否有帮助：https://dev59.com/cXRB5IYBdhLWcg3wj36c - Hoopdady

很遗憾，仅仅启用 re.MULTILINE 并没有起到帮助作用。 - xaav

@Hoopdady 不是的，re.MULTILINE 只会导致 ^ 和 $ 锚点在每一行的开头和结尾匹配，而不是只在字符串的开头和结尾匹配。http://docs.python.org/2/library/re.html#module-contents - FrankieTheKneeMan

你必须以某种方式规范化文本，才能使这种匹配起作用。一种可能性是使用 textwrap。 - jhermann

Answer 1

这似乎有两种常见的方法：一种是规范化文本（如jhermann建议的），另一种是针对每个可能的匹配运行一个函数/代码片段，并进行比单个正则表达式更复杂的比较。

规范化：

text = re.sub(r"\n\n", somespecialsequence, text);
text = re.sun(r"\s*\n", " ", text);
text = re.sub(r"\s+", " ", text);
text = re.sub(somespecialsequence, "\n\n", text);

现在，这应该按预期工作：(图 )(\d)(\d)?(: )(?P<description>.+)(\n\n)(?P=description) 或者，使用代码片段：

matches = re.finditer(r"(Figure )(\d+)(: )(.+)(\n\n)(.+)(?=Figure )", text, flags=re.S)
for m in matches:
    text1 = m.group(4)
    text2 = m.group(6)
    text1 = re.sub("\W+", " ", text1)
    text2 = re.sub("\W+", " ", text2)
    if (text1 == text2):
        // this is a match

- Alex I