如何用Python正则表达式匹配文本中的独立页眉

核心问题是正则的贪婪匹配导致跨页眉抓取，只需调整匹配模式即可解决：

修改后的正则表达式 #

使用非贪婪匹配模式，同时保留re.DOTALL处理换行：

headers = re.finditer(r"Start of the header.*?Pg\. \d\n", self.text, flags=re.DOTALL)

关键调整点 #

• 将原表达式中的.*替换为.*?：.*是贪婪匹配，会尽可能多抓取内容（从第一个页眉开头一直到最后一个页眉结尾）；.*?是非贪婪匹配，会在找到第一个符合条件的Pg. 数字\n时立即停止，确保只匹配单个页眉。
• 转义Pg.中的.：正则里.代表任意字符，必须写成Pg\.才能准确匹配文本中的Pg.。

测试效果 #

用你提供的示例文本测试，会分别匹配到两个独立的页眉：

Start of the header
Something inside the header
Random date
Pg. 1

以及

Start of the header
Something inside the header
Random date
Pg. 2

这样就不会把中间的正文内容包含进去了。

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