Python如何高效提取~m~\d+~m~模式间隔的目标字符串

直接用正则捕获组一次匹配得到结果，不需要额外处理索引和二次查找原字符串，代码如下：

import re

raw_str = "~m~90~m~{Somestringof length 90}~m~20~m~{Some string of len 20}~m~10~m~{Somestringof length 10}"
# 正则使用分组捕获分隔符之间的内容
pattern = re.compile(r"~m~\d+~m~(.*?)(?=~m~\d+~m~|$)")
result = pattern.findall(raw_str)

运行后result就是你需要的所有目标字符串列表：['{Somestringof length 90}', '{Some string of len 20}', '{Somestringof length 10}']

原理说明 #

• 正则先匹配标记位~m~\d+~m~
• 用(.*?)非贪婪匹配捕获标记位之后的目标内容
• 正向先行断言(?=~m~\d+~m~|$)用来控制匹配截止到下一个标记位或者字符串结尾，避免内容匹配过长
• findall方法会直接返回所有捕获组的内容，不需要再手动查索引切取原串，比原方案少了一次字符串遍历和索引计算的开销，性能提升明显，字符串越长优势越大。

内容的提问来源于stack exchange，提问作者unbesiegbar