如何用Python正则表达式提取编号列表中的段落文本？

直接提取单行内容的最简方案 #

如果你的列表项都是单行内容，用下面的正则配合re.findall()就能搞定：

import re

target_text = """1. foobar

2. foo

3. bar"""

extracted = re.findall(r'\d+\.\s*(.*)', target_text)
print(extracted)  # 输出: ['foobar', 'foo', 'bar']

正则说明：

• \d+：匹配1个及以上的数字编号
• \.：匹配编号后的点（必须转义，不然.会匹配任意字符）
• \s*：匹配点后面的任意空白（空格、制表符都能覆盖）
• (.*)：捕获点和空白之后的所有内容，刚好就是你要的纯文本

支持多行内容的进阶方案 #

如果列表项可能跨多行，就加上re.DOTALL标志，用带正向预查的正则：

import re

target_text = """1. foobar
extra line here
2. foo

3. bar"""

extracted = re.findall(r'\d+\.\s*(.*?)(?=\n\d+\.|$)', target_text, re.DOTALL)
# 清理每个结果的首尾空白和换行
cleaned = [item.strip() for item in extracted]
print(cleaned)  # 输出: ['foobar\nextra line here', 'foo', 'bar']

正则说明：

• (?=\n\d+\.|$)：正向预查，找到下一个编号行或者文本结尾的位置，避免把下一个编号的内容也抓进来
• re.DOTALL：让正则里的.能匹配换行符，这样就能捕获跨多行的列表项内容

你的原正则为啥失效？ #

你写的r'\d+.*?(?=\d|$)'问题出在：

• 它会把编号、点号、空格都包含在匹配结果里，没法精准提取后面的纯文本
• .*?的非贪婪匹配会过早停止，或者把不需要的符号也带进来，自然得不到你要的结果

内容的提问来源于stack exchange，提问作者user1753640