Python中如何基于正则分割跨多行文本并保留分隔符

可以通过非贪婪匹配+正向预查的正则表达式结合re.findall实现，既保留开头的时间戳分隔符，又能完整捕获跨多行的消息内容，无需手动合并数组。

优化后的正则与代码实现 #

把原正则里的.{1}替换为[-:]（精准匹配冒号或横杠，避免匹配无关字符），配合非贪婪匹配和正向预查：

import re

pattern = r"\[[0-9]{2}[-:][0-9]{2}\].*?(?=\[[0-9]{2}[-:][0-9]{2}\]|$)"
text = """
 [04:29] [All] Player1 (Hecarim); tariane test +

[04:41] [All] Player1 (Hecarim); ?ariane test

[05:07] [All] Player1 (Hecarim); ?ariane test
it haha

[07-04] Player1 (Hecarim)
dddddddddddddddddddddddddddddddddddddddddddddddddddddd
[07:08] Player1 (Hecarim)
ddddddddddddddddddddddddddddddddddddddddddddddddddddddddd
ddddddddddddddddddddd
 
"""
messages = re.findall(pattern, text, re.DOTALL)
# 过滤空白元素，得到干净的消息数组
messages = [msg.strip() for msg in messages if msg.strip()]
print(messages)

关键逻辑说明 #

• \[[0-9]{2}[-:][0-9]{2}\]：精准匹配开头的时间戳格式（[XX:XX]或[XX-XX]）
• .*?：非贪婪匹配任意字符（包括换行，因为加了re.DOTALL参数），避免过度匹配到下一条消息
• (?=\[[0-9]{2}[-:][0-9]{2}\]|$)：正向预查，指定匹配终止条件是下一个时间戳或者文本结尾，确保每条消息被完整分割

内容的提问来源于stack exchange，提问作者lyeaf