如何用Python正则提取两个问题标记间的多个选中答案

两步法（兼容所有Python版本） #

这种方法先分离出第1题的答案区块，再提取所有标记为“x”的行。

import re

text = """Question 1: What witch-like attributes do you have?
Answer 1:
x Hat
o Pointy Nose
x Float
x Weigh more than a duck

Question 2: Where could this coconut have come from?
Answer 2:
o It migrated
x A European swallow carried it
o An African swallow carried it
x It doesn't matter
"""

# 第一步：提取第1题的完整答案区块
q1_match = re.search(r'Question 1:.*?Answer 1:\s*(.*?)\s*Question 2:', text, re.DOTALL)
if q1_match:
    q1_answers_block = q1_match.group(1)
    
    # 第二步：提取所有以“x ”开头的行
    x_answers = re.findall(r'^x\s+(.*)$', q1_answers_block, re.MULTILINE)
    print(x_answers)
    # 输出：['Hat', 'Float', 'Weigh more than a duck']

说明 #

1. 分离第1题区块: 正则表达式 r'Question 1:.*?Answer 1:\s*(.*?)\s*Question 2:' 使用 re.DOTALL 允许匹配换行符，捕获 Answer 1: 和 Question 2: 之间的所有内容。
2. 提取标记为x的答案: 借助 re.MULTILINE，r'^x\s+(.*)$' 匹配每一行以“x ”开头的内容，并捕获答案文本。

单正则表达式法（Python 3.6+） #

Python 3.6及以上版本支持 \G 锚点（匹配上一次匹配的结束位置），无需先分离区块即可用单个正则提取所有目标答案。

import re

text = """Question 1: What witch-like attributes do you have?
Answer 1:
x Hat
o Pointy Nose
x Float
x Weigh more than a duck

Question 2: Where could this coconut have come from?
Answer 2:
o It migrated
x A European swallow carried it
o An African swallow carried it
x It doesn't matter
"""

x_answers = re.findall(
    r'(?:\G(?!^)|Question 1:)(?:(?!Question 1:|Question 2:)[\s\S])*?x\s+([\s\S]+?)(?=\s*(?:x|o|Question 2:))',
    text
)
print(x_answers)
# 输出：['Hat', 'Float', 'Weigh more than a duck']

说明 #

• (?:\G(?!^)|Question 1:): 从 Question 1: 开始匹配，或在上一次匹配结束的位置继续匹配（确保始终处于第1题的范围内）。
• (?:(?!Question 1:|Question 2:)[\s\S])*?: 非贪婪匹配所有不属于新问题开头的字符。
• x\s+([\s\S]+?): 捕获“x ”之后的答案文本。
• (?=\s*(?:x|o|Question 2:)): 当遇到下一行以“x”、“o”开头或到达 Question 2: 时停止捕获。

内容的提问来源于stack exchange，提问作者Adam Brand