如何使用REGEX提取字符串中从Run:到ENDMDL的文本内容？

你的pattern_tot匹配失败的核心原因是：Python正则默认情况下，.元字符不匹配换行符，而你要提取的内容跨了多行，所以中间的(.+)无法匹配换行部分，导致整个正则匹配失败。

解决方法 #

只需要开启正则的DOTALL模式（让.匹配包括换行在内的所有字符），同时优化正则表达式的写法，就能正确提取目标内容：

方法1：使用内嵌模式标志(?s)

import re

with open("docking.txt","r") as f:
    new_content = f.read()
    # 内嵌(?s)开启DOTALL模式，非贪婪匹配中间内容，确保匹配到最近的ENDMDL
    # 如果要包含Run:和ENDMDL本身，用下面的正则：
    # pattern_tot = r'(?s)(Run:\s+\d+\s/\s\d+.+?DOCKED:\sENDMDL)'
    pattern_tot = r'(?s)Run:\s+\d+\s/\s\d+(.+?)DOCKED:\sENDMDL'
    
    for match in re.finditer(pattern_tot, new_content):
        # 提取中间的内容（不含Run:和ENDMDL）
        print(match.group(1).strip())
        # 如果提取全部内容（含Run:和ENDMDL），则用match.group(0)或调整正则后的group(1)

方法2：调用正则方法时传入flags=re.DOTALL

import re

with open("docking.txt","r") as f:
    new_content = f.read()
    pattern_tot = r'Run:\s+\d+\s/\s\d+(.+?)DOCKED:\sENDMDL'
    
    # 通过flags参数开启DOTALL模式
    for match in re.finditer(pattern_tot, new_content, flags=re.DOTALL):
        # 输出从Run:到ENDMDL的完整内容
        print(match.group(0))

关键细节说明 #

• (?s)和re.DOTALL的作用完全一致，都是让.匹配所有字符（包括换行符）。
• 使用(.+?)非贪婪匹配模式，避免当文件中有多个ENDMDL时，匹配到最后一个而不是最近的那个，保证提取的是相邻的目标段落。

内容的提问来源于stack exchange，提问作者Riccardo Fusco