Извлечение данных с использованием регулярных выражений

У меня есть данные в текстовом файле "file.txt"

Рецепты и меню
Советы экспертов
Ингредиенты
Праздники и события
Сообщество
Видео
ЛЕТНЯЯ КУЛИНАРИЯ
Чечевица и Суп из коричневого риса
Gourmet, январь 1991 г.
3,5/4
отзывов (83)
90 %
готовят его снова
Некоторые супы действительно вызывают любовь любить, и это одно из них
. Холодной зимой, когда редакторы Gourmet размышляют о том, какой суп
Приготовить
Отзывы (83)
ВЫХОД: около 14 чашек, порция от 6 до 8
Ингредиенты
5 чашек куриного бульона
1 1/2 чашки чечевицы, перебранной и промытой
1 чашка коричневого риса
банка помидоров весом от 32 до 35 унций, слить воду, сохранить сок и нарезать
3 моркови, разрезать вдоль пополам и нарезать поперек на 1/4-дюймовые кусочки
1 луковицу, нарезать
1 стебель сельдерея, нарезать
3 зубчики чеснока, измельченные
1/2 чайной ложки измельченного сушеного базилика
1/2 чайной ложки измельченного сушеного орегано
1/4 чайной ложки измельченного сушеного тимьяна
1 лавровый лист
1/ 2 стакана измельченных листьев свежей петрушки
2 столовые ложки яблочного уксуса или по вкусу
Приготовление
В сильном чайнике смешайте бульон, 3 стакана воды, чечевицу, рис, помидоры с сохраненным соком,

Я хочу извлечь данные между Ингредиентами и Подготовкой.
Я написал для этого следующее регулярное выражение: -

(?s).*?Ingredients(.*?)Preparation.*

Но он извлекает данные между Ингредиентами, выделенными курсивом, в 3-й строке
файла.txt и Подготовка, но не между данными между Ингредиентами и Подготовка
Какие изменения в моем регулярном выражении следует внести, чтобы решить эту проблему?
Заранее спасибо!


regex data-extraction
person Akshat Kumar    schedule 10.06.2015    source источник
comment
Какой именно механизм регулярных выражений вы используете?   -  person m0skit0    schedule 10.06.2015

Ответы (4)


arrow_upward
1
arrow_downward

Попробуйте сделать свой первый .* жадным. Он съест все Ingredients до последнего перед Preparation:

(?s).*Ingredients(.*?)Preparation.*

Демонстрация: https://regex101.com/r/mQ5eK5/1

person Dmitry Egorov    schedule 10.06.2015

arrow_upward
2
arrow_downward

Вы можете использовать ленивый квантификатор .*? со вторым .*:

(?s).*\bIngredients\b(.*?)\bPreparation\b

См. демонстрацию.

Или вы можете использовать умеренный жадный токен, и тогда вам не понадобится первый .*:

(?s)\bIngredients\b(?:(?!\b(?:Ingredients|Preparation)\b).)*\bPreparation\b

См. демонстрацию.

person Wiktor Stribiżew    schedule 10.06.2015
comment
Не могли бы вы сообщить мне, что не так с моим ответом? Тот, на который вы переключились, не проверяет границы слов и может соответствовать Preparations, который может быть перед Preparation, и вы получите неправильное подсовпадение. - person Wiktor Stribiżew; 11.06.2015

arrow_upward
1
arrow_downward 

(?s).*?[*]{2}Ingredients[*]{2}(.*?)[*]{2}Preparation[*]{2}.*

[*]{2}сообщите регулярному выражению, что вам нужен один из символов в списке (здесь один *) дважды {2}.

Я предпочитаю использовать классы символов, чем экранировать, я нашел их более читабельными, чем это:

(?s).*?\*{2}Ingredients\*{2}(.*?)\*{2}Preparation\*{2}.*

и в зависимости от языка, который вы используете, вам, возможно, придется избегать обратной косой черты.

person Tensibai    schedule 10.06.2015

arrow_upward
1
arrow_downward

Вы можете использовать предварительный просмотр, который проверяет, что каждая строка не является Ingredients. Таким образом, вы ограничиваете количество тестов только началом строк (вместо тестирования каждого символа):

(?m)^Ingredients\R((?:(?!Ingredients$).*\R)+?)Preparation$

демонстрация

детали узора:

(?m)             # switch on the multiline mode (^ and $ match the limit of the line)
^Ingredients\R   # "Ingredients" at the start of the line followed by a new line
(   # capture group 1
    (?:          # open a non-capturing group
        (?!Ingredients$) # negative lookahead to check that the line is not "Ingredients"
        .*\R             # the line
    )+? # repeat until "Preparation"
)
Preparation$

Примечание: поскольку вы не указали, какой механизм регулярных выражений вы используете, возможно, что \R не поддерживается. В этом случае замените его на \r?\n.

person Casimir et Hippolyte    schedule 10.06.2015