如何用正则表达式移除固定前缀加可变数字的冗余文本行

需求场景 #

你有一段包含冗余行的文本，需要移除格式固定的冗余行，再将剩余内容整理成数组。示例文本如下：

Targeting Segment 12345
Platform XXX Audience ID: 23846552432410014
Targeting Segment 93823

需要移除的是开头为Platform XXX Audience ID: 、后续跟任意长度数字的整行内容。

解决方案 #

1. 匹配冗余行的正则表达式

使用以下正则匹配目标冗余行（含换行符）：

^Platform XXX Audience ID: \d+\r?\n

各部分含义：

• ^：匹配每一行的开头（需开启多行模式）
• Platform XXX Audience ID: ：固定匹配目标文本
• \d+：匹配1个及以上任意数字，覆盖数字长度不固定的情况
• \r?\n：匹配Windows或Unix格式的换行符，确保移除整行及换行
• 多行模式标记：JavaScript用gm，Python用re.MULTILINE，让^和$作用于每一行

2. 替换并整理为数组

以下是不同语言的实现示例：

JavaScript 实现

const originalText = `Targeting Segment 12345
Platform XXX Audience ID: 23846552432410014
Targeting Segment 93823`;

// 移除冗余行
const cleanedText = originalText.replace(/^Platform XXX Audience ID: \d+\r?\n/gm, '');
// 过滤空行并转为数组
const resultArray = cleanedText.split('\n').filter(line => line.trim());

console.log(resultArray);
// 输出: ["Targeting Segment 12345", "Targeting Segment 93823"]

Python 实现

import re

original_text = """Targeting Segment 12345
Platform XXX Audience ID: 23846552432410014
Targeting Segment 93823"""

# 移除冗余行
cleaned_text = re.sub(r'^Platform XXX Audience ID: \d+\r?\n', '', original_text, flags=re.MULTILINE)
# 过滤空行并转为数组
result_array = [line for line in cleaned_text.splitlines() if line.strip()]

print(result_array)
# 输出: ['Targeting Segment 12345', 'Targeting Segment 93823']

内容的提问来源于stack exchange，提问作者MStu