Python正则问题：提取含双横线的多横线间Person 2发言文本

问题描述 #

原正则表达式 regex_pattern= r"Person 2\s+\[\d+\]\s+-+\s+((?:.*?\n?)*(?=\s+-+|$))" 可提取以多横线分隔的Person 2发言，但当发言内容包含双横线 -- 时，会因误将 -- 识别为分隔线而匹配失效。

修改后的正则表达式 #

regex_pattern = r"Person 2\s+\[\d+\]\s+-+\s+((?:.*?\n?)*?(?=\s*-{5,}|$))"

修改说明 #

• 将结束断言中的 -+（匹配任意数量连续横线）调整为 -{5,}（匹配至少5个连续横线），以此区分发言内容中的双横线 -- 和转录文本中用于分隔的多横线（通常为大量连续横线）
• 将匹配内容部分的 (?:.*?\n?)* 改为 (?:.*?\n?)*?，使用非贪婪匹配确保精准截止到分隔线位置，避免过度匹配

测试验证 #

针对含双横线的目标文本：

---

Person 2 [12] #

Bla bla bla -- bla bla bla bla -- bla bla bla bla 

---

Person 6 [13] #

Bla bla bla bla bla

修改后的正则可正确提取到Person 2的完整发言：Bla bla bla -- bla bla bla bla -- bla bla bla bla

内容的提问来源于stack exchange，提问作者xxgaryxx