查找两个字符串之间的最短匹配项

本文介绍了查找两个字符串之间的最短匹配项的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！ 问题描述

我有一个很大的日志文件，我想在两个字符串之间提取一个多行字符串:start 和 end.

I have a large log file, and I want to extract a multi-line string between two strings: start and end.

以下是来自 inputfile 的示例:

The following is sample from the inputfile:

start spam start rubbish start wait for it... profit! here end start garbage start second match win. end

所需的解决方案应该打印:

The desired solution should print:

start wait for it... profit! here end start second match win. end

我尝试了一个简单的正则表达式，但它从start spam 返回了所有内容.这应该怎么做?

I tried a simple regex but it returned everything from start spam. How should this be done?

关于现实生活中计算复杂性的其他信息:

• 实际文件大小:2GB
• 开始"的出现次数:~ 12 M，均匀分布
• 'end' 的出现次数:~800，接近文件末尾.

推荐答案

这个正则表达式应该符合你的要求:

This regex should match what you want:

(start((?!start).)*?end)

使用 re.findall 方法和单行修饰符 re.S 获取多行字符串中的所有出现:

Use re.findall method and single-line modifier re.S to get all the occurences in a multi-line string:

re.findall('(start((?!start).)*?end)', text, re.S)

在此处查看测试.