如何用正则捕获组匹配CSV中含换行的多行文本？

问题根源 #

你原来的正则([A-Z1-9]+)-\d*,(.*)有两个核心问题：

1. 默认模式下，.不匹配换行符，所以第二个捕获组遇到换行就停止；
2. 没有限定第二个捕获组的结束边界，导致无法精准截止到下一条记录的开头。

修正后的正则方案 #

使用带DOTALL模式的正则，同时通过正向预查限定结束边界：

(ABC-\d+),(.*?)(?=ABC-|$)

关键说明：

• ABC-\d+：精准匹配以ABC-开头的记录标识（替代原来的[A-Z1-9]+，更贴合你的实际数据）；
• .*?：非贪婪匹配所有内容（开启DOTALL后会包含换行符）；
• (?=ABC-|$)：正向预查，匹配到下一个ABC-开头的位置或者文件结尾时停止，不会消耗ABC-字符，保证下一条记录能被正常捕获。

启用DOTALL模式的示例（以Python为例）：

import re

pattern = re.compile(r'(ABC-\d+),(.*?)(?=ABC-|$)', re.DOTALL)
test_str = """ABC-1,01/01/1974,X1,Y1,Z1,"RANDOM SINLGE LINE TEXT 1",
ABC-2,01/01/1974,X2,Y2,Z2,"THIS IS
A RANDOM

MULTI LINE
TEXT 2",
ABC-3,01/01/1974,X3,Y3,Z3,"THIS IS

ANOTHER RANDOM
MULTI LINE TEXT","""

matches = pattern.findall(test_str)
for idx, match in enumerate(matches, 1):
    print(f"匹配{idx}：组1：{match[0]},；组2：{match[1]}")

匹配结果 #

运行后会得到你期望的3个匹配：

• 匹配1：组1：ABC-1,；组2：01/01/1974,X1,Y1,Z1,"RANDOM SINLGE LINE TEXT 1",
• 匹配2：组1：ABC-2,；组2：01/01/1974,X2,Y2,Z2,"THIS IS\nA RANDOM\n\nMULTI LINE\nTEXT 2",
• 匹配3：组1：ABC-3,；组2：01/01/1974,X3,Y3,Z3,"THIS IS\n\nANOTHER RANDOM\nMULTI LINE TEXT",

额外建议 #

虽然正则能解决这个问题，但处理CSV更可靠的方式是用专门的CSV解析库（比如Python的csv模块、Java的OpenCSV等），这些库已经内置处理多行字段、引号转义等边缘场景的逻辑，避免正则可能出现的遗漏。

内容的提问来源于stack exchange，提问作者Anish