非贪婪正则表达式匹配结果异常问题排查

问题原因 #

你的正则表达式re.findall(r"\.\s(.*?):\s?[A-Z]", text)存在核心缺陷：

1. .*?作为惰性匹配，允许匹配包括句号在内的所有字符，导致正则会从文本中第一个出现的. （句号+空格）位置开始匹配，一直延伸到第一个符合: \s?[A-Z]的位置，把中间整段无关内容都囊括进去。
2. 未限制匹配范围，无法精准定位到目标标题（如Objectives）前的那个句号。

修正方案 #

将正则中的.*?替换为[^.]*?，用否定字符集限定匹配范围：

re.findall(r"\.\s([^.]*?):\s?[A-Z]", text)

原理说明 #

[^.]表示匹配除句号外的任意字符，这样正则会自动停在上一个句号的位置，只会捕获最后一个. 之后、冒号之前的内容，精准提取到你需要的Objectives。

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