re.DOTALL未匹配换行符？正则提取指定命令内容遇困

让我们一步步拆解并解决你的问题：

问题根源分析 #

你当前的正则表达式 re.findall(">.*([A-Z 0-9]*).*, reply from", string, re.DOTALL) 存在两个核心问题：

1. 贪婪匹配导致捕获失效：.* 是贪婪模式，会从 > 开始尽可能匹配到最接近 , reply from 的内容，这会让后面的 ([A-Z 0-9]*) 只能捕获到空或者最后几个符合规则的字符，完全拿不到你想要的完整目标片段。
2. 未匹配到实际的转义字符：你的字符串里的右尖括号是HTML转义后的 >，而不是直接的 >，所以正则里的 > 根本匹配不到目标位置。

修正后的正则表达式 #

针对你的需求，我们可以调整正则为：

import re

string = '\n\n <!----><div class="screen-reader-text" ng-if="::(ctrl.messageViewModel.isChat || ctrl.messageViewModel.isReply)" role="heading" aria-level="5">\n\n\nADMIN_COMMAND STOP\n\n, reply from YATIN </div><!---->\n\n <!--Chat head-->\n <div class="media-left" ng-class="{ \'hide-media-left\' : ctrl.messageViewModel.editFormVisible }">\n <!-- Person icon -->\n \n <!---->\n \n </div>\n\n <div class="ts-message-thread-body align-item-left" data-tid="messageThreadBody" ng-class="{\'has-attachments\': ctrl.messageViewModel.hasAttachments} ">\n <!--EditMessage-->\n <!---->\n <!--EditMessage-->\n <!----><div id="messageBody" class="message-body message-body-width" ng-if="!ctrl.messageViewModel.editFormVisible" simple-mouseenter="!ctrl.isInteropChat && ctrl.messageReactionsEnabled && ctrl.showMessageActions($event, this)" ng-mouseleave="!ctrl.isInteropChat && ctrl.messageReactionsEnabled && ctrl.hoverOutMessageBodyHandler($event)">\n <!----><div class="message-body-top-row padded-content" ng-if="!ctrl.isHiddenByDlp" ng-class="{ \'unread-message\': ctrl.messageViewModel.isNewMessage,\n \'has-reactions\': ctrl.messageReactionsEnabled && ctrl.messageViewModel.messageHasReaction}">\n <div class="top-row-text-container" ng-class="{\'single-line-truncation\': ctrl.messageReactionsEnabled && ctrl.messageViewModel.isRightRail}">\n <!--Name-->\n <div class="ts-msg-name app-small-font" data-tid="threadBodyDisplayName" dir="auto">\n and so on...\n'

# 修正后的正则
matches = re.findall(r'>.*?\n+([A-Z0-9 ]+)\n+.*?, reply from', string, re.DOTALL)
print(matches)  # 输出: ['ADMIN_COMMAND STOP']

正则规则详解 #

• >：匹配字符串中实际存在的HTML转义右尖括号，这是之前匹配失败的关键之一。
• .*?：非贪婪模式的任意字符匹配，确保只匹配到目标内容前的必要部分，不会过度吞噬字符导致捕获组失效。
• \n+：匹配目标内容前后的多个换行符，精准定位目标片段的位置（符合你提到的目标内容前后可能有多个换行的场景）。
• ([A-Z0-9 ]+)：捕获由大写字母、数字和空格组成的目标内容，用+替代*确保至少匹配一个字符，避免捕获空内容。
• .*?, reply from：非贪婪匹配到, reply from结束，确保不会跳过目标内容。

额外优化建议 #

如果目标内容的前后不一定是严格的换行符，也可以用\s*匹配任意空白字符（包括换行、空格、制表符等），让正则更灵活：

matches = re.findall(r'>.*?\s*([A-Z0-9 ]+)\s*.*?, reply from', string, re.DOTALL)

这样即使目标内容前后是混合的空格和换行，也能正确捕获。

内容的提问来源于stack exchange，提问作者Sabito