如何用Python正则表达式提取各ID对应的多行推文文本？

已知已成功提取ID列表 ['ID123', 'ID234', 'ID345', 'ID456']，需要匹配对应多行推文文本，期望结果为 ['ABC\nDEF\nGHI', 'ABC\nDEF\nGHI', '#@ABC\nDEF\nGHI@.[]', 'google.com\n123456789']。以下是可行的正则方案：

核心思路 #

假设输入文本结构为「ID + 换行 + 多行推文 + 换行 + 下一个ID」（或文本结尾），通过正向预查限定推文的结束边界，结合非贪婪匹配捕获完整的多行内容。

代码实现 #

import re

# 替换为你的实际输入文本
input_str = """ID123
ABC
DEF
GHI
ID234
ABC
DEF
GHI
ID345
#@ABC
DEF
GHI@.[]
ID456
google.com
123456789"""

# 正则模式：匹配ID及对应的多行推文
pattern = r'(ID\d+)\n(.*?)(?=\nID\d+|\Z)'
# 启用re.DOTALL让.匹配换行符
matches = re.findall(pattern, input_str, re.DOTALL)

# 转成ID-推文映射字典，方便按ID查找
tweet_map = {id_val: tweet_content for id_val, tweet_content in matches}

# 目标ID列表
target_ids = ['ID123', 'ID234', 'ID345', 'ID456']
# 获取对应推文列表
result = [tweet_map[id_] for id_ in target_ids]

print(result)
# 输出：['ABC\nDEF\nGHI', 'ABC\nDEF\nGHI', '#@ABC\nDEF\nGHI@.[]', 'google.com\n123456789']

正则模式拆解 #

• (ID\d+)：捕获ID字符串（匹配ID开头+连续数字）
• \n：匹配ID与推文之间的换行分隔符
• (.*?)：非贪婪匹配任意字符（包括换行，因re.DOTALL启用），完整捕获多行推文内容
• (?=\nID\d+|\Z)：正向预查，限定推文结束位置为「下一个ID的换行开头」或「文本末尾」，避免误匹配到下一个ID

适配调整提示 #

• 如果ID和推文的分隔符不是单纯换行（比如有特定标记），直接替换正则中的\n为实际分隔符即可
• 若输入存在重复ID，字典会保留最后一个匹配的推文，可根据需求修改为列表存储所有匹配结果

内容的提问来源于stack exchange，提问作者mnm