正则表达式捕获规则调整：实现指定范围的字符串捕获需求

原代码与当前输出 #

原Python代码 #

import re

x = """44
5844 44554  Hi hi!   , sahhashash; asakjas. jjksakjaskjas.
ooooooppkkk"""

# 注释说明
# ((?:\w+)?) ---> 捕获字母数字子串，遇到空格、逗号或句号停止
# ((?:\w\s*)+) ---> 类似上面的规则，但遇到空格不停止
regex_patron_m1 = r"\s*((?:\w+)?) \s*\¿?(?:del |de |)\s*((?:\w\s*)+)\s*\??"

m1 = re.search(regex_patron_m1, x, re.IGNORECASE)

if m1:
    word, association = m1.groups()
    
    print(repr(word)) # 打印第一个捕获组内容
    print(repr(association)) # 打印第二个捕获组内容

当前运行输出 #

'5844'
'44554  Hi hi'

问题1：捕获组从换行后开始的原因及修改方案 #

原因 #

当前正则有三个核心问题：

1. 开头的\s*会匹配任意空白（包括换行），直接跳过第一行的44；
2. 第一个捕获组后面跟着强制空格，而第一行44后是换行，不满足匹配条件；
3. 第二个捕获组((?:\w\s*)+)只能匹配字母数字+空白，遇到!、,这类字符就停了，所以只抓到Hi hi。

修改方案 #

调整正则，让第一个捕获组匹配第一行的44，第二个捕获组匹配第二行所有内容到换行前：

# 匹配行首的字母数字，然后换行，再匹配到下一个换行前的所有内容
regex_patron_m1 = r"^(\w+)\n([\s\S]*?)(?=\n|$)"

修改后完整代码 #

import re

x = """44
5844 44554  Hi hi!   , sahhashash; asakjas. jjksakjaskjas.
ooooooppkkk"""

regex_patron_m1 = r"^(\w+)\n([\s\S]*?)(?=\n|$)"

m1 = re.search(regex_patron_m1, x)

if m1:
    word, association = m1.groups()
    
    print(repr(word))
    print(repr(association))

目标输出 #

'44'
'5844 44554  Hi hi!   , sahhashash; asakjas. jjksakjaskjas.'

问题2：第二个捕获组捕获全部后续内容的修改方案 #

修改思路 #

要让第二个捕获组抓完所有后续内容（包括换行），只需要在匹配第一行44后，直接匹配到文本末尾的所有内容即可。

修改后的正则 #

# ^(\w+)匹配第一行字母数字，\n匹配换行，[\s\S]+匹配所有后续内容（含换行）
regex_patron_m1 = r"^(\w+)\n([\s\S]+)"

修改后完整代码 #

import re

x = """44
5844 44554  Hi hi!   , sahhashash; asakjas. jjksakjaskjas.
ooooooppkkk"""

regex_patron_m1 = r"^(\w+)\n([\s\S]+)"

m1 = re.search(regex_patron_m1, x)

if m1:
    word, association = m1.groups()
    
    print(repr(word))
    print(repr(association))

目标输出 #

'44'
'5844 44554  Hi hi!   , sahhashash; asakjas. jjksakjaskjas.\nooooooppkkk'

内容的提问来源于stack exchange，提问作者Matt095