如何利用Python正则表达式提取带编号的多行注解组内容？

需求说明 #

原始文本：

1. @aut1.or
@Autowired
2. @Override
@param
@SuppressWarnings

期望提取结果：

['1. @aut1.or\n@Autowired', '2. @Override\n@param\n@SuppressWarnings']

现有代码问题 #

当前代码仅能提取每个分组的第一行，无法捕获后续关联内容：

import re

txt ='''1. @aut1.or
@Autowired
2. @Override
@param
@SuppressWarnings'''

x = re.findall("(?:[0-9][.][ ]).+", txt)
print(x)
# 输出: ['1. @aut1.or', '2. @Override']

修改方案 #

利用正则的多行模式和正向否定预查，匹配每个编号条目下的所有后续行，直到下一个编号条目或文本结束。修改后的代码如下：

import re

txt ='''1. @aut1.or
@Autowired
2. @Override
@param
@SuppressWarnings'''

# 正则匹配规则
x = re.findall(r"^\d+\. .+(?:\n(?!\d+\.).+)*", txt, re.MULTILINE)
print(x)

正则规则详解 #

• ^\d+\. ：匹配行首的编号格式（如1. 、2. ）
• .+：捕获编号行的剩余内容
• (?:\n(?!\d+\.).+)*：非捕获组，匹配所有换行后不以编号开头的行，*表示可匹配0到多组这类行
• re.MULTILINE：开启多行模式，让^匹配每一行的行首，而非整个文本的开头

运行后输出结果：

['1. @aut1.or\n@Autowired', '2. @Override\n@param\n@SuppressWarnings']

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