Python正则表达式无法匹配TABLEn至google.co.in内容求助

问题说明 #

需要匹配从TABLE加数字（如TABLE1）开始，到google.co.in结束的完整内容，但现有正则代码无法匹配到目标内容。

待匹配的示例文本 #

The paragraph continous here....................
................................................
TABLE1..
...........Text continuous...........  
......... Text continuous...........  
..........Text continuous...........  
........Text continuous...........  
........Text continuous...........  
........Text continuous...........google.co.inFrancisCo.  
The paragraph continous here....................  
................................................  

用户使用的正则代码 #

match = re.search(r'TABLE(\d+)((?:(?!google.co.in).)*)google.co.in', extractedtext, re.M)
if match:
    ful = match.group()
    print(f": {ful}")
    # Additional processing with 'ful' if needed
else:
    print("Not matched")

问题原因 #

1. 默认情况下，正则中的.不会匹配换行符，而目标内容跨了多行，导致中间的(?:(?!google.co.in).)*无法覆盖换行部分，匹配直接中断。
2. 你添加的re.M（多行模式）无效，这个模式仅改变^和$的匹配范围，不影响.对换行的处理逻辑。

解决办法 #

方法一：启用re.DOTALL模式 #

这个模式会让.匹配包括换行在内的所有字符，直接修改代码即可：

# 简洁写法：用非贪婪匹配替代负向预查
match = re.search(r'TABLE(\d+).*?google.co.in', extractedtext, re.DOTALL)
if match:
    ful = match.group()
    print(f": {ful}")
else:
    print("Not matched")

如果要保留原有的负向预查结构，同样加上re.DOTALL标志就行：

match = re.search(r'TABLE(\d+)((?:(?!google.co.in).)*)google.co.in', extractedtext, re.DOTALL)

方法二：用[\s\S]替代. #

[\s\S]能匹配所有空白和非空白字符（等价于开启DOTALL的.），不需要额外添加标志：

match = re.search(r'TABLE(\d+)((?:(?!google.co.in)[\s\S])*)google.co.in', extractedtext)

两种方法都能正确匹配到从TABLE1到google.co.in的完整内容。

内容的提问来源于stack exchange，提问作者ssr1012