在python中用正则表达式匹配任何字符和/或未定义的换行符

Posted 2023-01-27

我必须在python中使用正则表达式解析日志txt文件。这是txt（名称为file）的示例：

[20/01/18，08:11-彼得：早上好

你好吗？

Peter 20/01/18，09:00-Caroline：很好，谢谢。您？

[20/01/18，09:01-彼得：很好

几天前我遇到了一些问题。

现在我很高兴

你在工作吗？

[20/01/18，09:02-卡罗琳：不，我必须去超市购买蔬菜

[20/01/18，09:12-彼得：尼斯！

你现在在哪里？

我尝试使用此正则表达式解析全文：

f = open(file, 'r', encoding='utf-8')
texts=re.findall('(\d+/\d+/\d+, \d+:\d+\d+) - (.+?): (.*)',f.read())
f.close()

df= pd.DataFrame(texts,columns=['data','name','text'])

但是，在python中匹配一个或多个换行符时出现问题（例如Peter在09:01处的文本）。我也尝试在https://regex101.com/上寻找可能的解决方案，但未成功。

您能帮我吗？

答案

默认情况下，.与换行符不匹配。您需要use MULTILINE mode：

re.findall('(\d+/\d+/\d+, \d+:\d+\d+) - (.+?): (.*)', f.read(), re.MULTILINE)