提取 .txt 文件中两个关键字之间的所有单词

Question

我想提取 .txt 文件中特定关键字内的所有单词。对于关键字，有一个起始关键字PROC SQL;（我需要不区分大小写），结束关键字可以是RUN;,quit;或QUIT;。这是我的示例.txt文件。

到目前为止，这是我的代码：

with open('lan sample text file1.txt') as file:
    text = file.read()
    regex = re.compile(r'(PROC SQL;|proc sql;(.*?)RUN;|quit;|QUIT;)')
    k = regex.findall(text)
    print(k)

输出：

[('quit;', ''), ('quit;', ''), ('PROC SQL;', '')]

但是，我的预期输出是获取介于关键字之间并包含关键字的单词：

proc sql; ("TRUuuuth");
hhhjhfjs as fdsjfsj:
select * from djfkjd to jfkjs
(
SELECT abc AS abc1, abc_2_ AS efg, abc_fg, fkdkfj_vv, jjsflkl_ff, fjkdsf_jfkj
    FROM &xxx..xxx_xxx_xxE
where ((xxx(xx_ix as format 'xxxx-xx') gff &jfjfsj_jfjfj.) and 
      (xxx(xx_ix as format 'xxxx-xx') lec &jgjsd_vnv.))
 );

1)

jjjjjj;

  select xx("xE'", PUT(xx.xxxx.),"'") jdfjhf:jhfjj from xxxx_x_xx_L ;
quit; 

PROC SQL; ("CUuuiiiiuth");
hhhjhfjs as fdsjfsj:
select * from djfkjd to jfkjs
(SELECT abc AS abc1, abc_2_ AS efg, abc_fg, fkdkfj_vv, jjsflkl_ff, fjkdsf_jfkj
    FROM &xxx..xxx_xxx_xxE
where ((xxx(xx_ix as format 'xxxx-xx') gff &jfjfsj_jfjfj.) and 
      (xxx(xx_ix as format 'xxxx-xx') lec &jgjsd_vnv.))(( ))
 );

2)(

RUN;

任何建议或不同的方法来解决这个问题将不胜感激！

实现用户@Finefoot 的代码后的输出：

但是，有没有办法将线条分开，看起来像这样？：

Answer 1

我认为您的模式中(PROC SQL;|proc sql;(.*?)RUN;|quit;|QUIT;)有一个拼写错误，因为您在前后缺少右括号)以及proc sql;之后的(.*?)左括号(。然而，这还不是全部，修复了拼写错误后您仍然无法获得想要的结果。

查看 Python 文档re：

.（点）在默认模式下，它匹配除换行符之外的任何字符。如果DOTALL已指定该标志，则它将匹配包括换行符在内的任何字符。

由于您的输入确实包含您想要匹配的换行符.，因此您需要使用该re.DOTALL标志。re.IGNORECASE虽然我们讨论的是标志的主题：如果您确实不关心关键字的大小写敏感性，您可能还想使用该标志。

另外，我猜您不希望PROC SQL;结果中出现关键字，因此您可以使用(?:...)常规括号的非捕获版本。

最终的正则表达式模式：

re.findall(r"(?:PROC SQL;)(.*?)(?:RUN;|QUIT;)", text, flags=re.IGNORECASE|re.DOTALL)

更新：

在上面 Jupyter 单元格的更新代码中，结果re.findall保存为变量regex。它是与模式匹配的字符串列表。如果您调用，print(regex)您将打印该列表（将显示其元素、字符串\n）。如果您不想\n，您可以改为打印元素（字符串本身）：不过，print(*regex)两个元素之间的默认分隔符将是一个简单的空格字符，因此您可能需要设置sep为其他内容，例如多个换行符print(*regex, sep="\n"*5)或分隔行的-----喜欢print(*regex, sep="\n"+"-"*44+"\n")。但这是您必须决定哪种方式最适合您来展示您的结果。

另外，如果模式看起来不太混乱，您可能想使用“内联修饰符”而不是参数flags。它(?i:...)用于不区分大小写的匹配，而(?s:...)不是DOTALL标志：

re.findall(r"(?i:PROC SQL;)((?s:.*?))(?i:RUN;|QUIT;)", text)