找到两个字符串之间的最短匹配

Question

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

以下是来自以下的示例inputfile:

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

应打印所需的解决方案:

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,但它返回了所有内容start spam.该怎么做？

编辑:有关实际计算复杂性的其他信息:

• 实际文件大小:2GB
• 发生'开始':~12 M,均匀分布
• 出现'结束':〜800,靠近文件的末尾.

Answer 1

这个正则表达式应该符合你的要求:

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

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

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

在这里看一个测试.