正则表达式匹配多字符并拆分：提取文本三类信息的技术问题

需求说明 #

需要从目标文本中提取三类信息并整合为元组：

• 提取**包裹的姓名文本
• 提取#x格式中的数字部分
• 提取当前条目到下一个姓名前的所有剩余内容（含最后一段无姓名的内容）

现有问题 #

现有正则仅能拆分匹配姓名和编号，返回结果包含大量空元素，无法提取剩余内容，也不能将单条目的三类信息整合为一个元组。

示例文本 #

note = "**Jane Greiz** `#1`: Should be open here .
**Thomas Fitzpatrick** `#90`: Anim: Can we start the movement.
**Anthony Smith** `#91`: Her left shoulder.
https://google.com"

现有代码 #

import re
all_pattern = r"\*\*(.+?)\*\*|\`#(.+?)\`:"
result = re.findall(all_pattern, note)

现有输出 #

[('Jane Greiz', ''), ('', '1'), ('Thomas Fitzpatrick', ''), ('', '90'), ('Anthony Smith', ''), ('', '91')]

修正方案 #

使用包含三个捕获组的正则表达式，匹配完整条目结构，同时兼容最后一段无姓名的内容：

修正后代码 #

import re

note = "**Jane Greiz** `#1`: Should be open here .
**Thomas Fitzpatrick** `#90`: Anim: Can we start the movement.
**Anthony Smith** `#91`: Her left shoulder.
https://google.com"

# 匹配带姓名的条目 + 最后一段无姓名的收尾内容
pattern = r"\*\*(.+?)\*\*\s*`#(\d+)`:\s*(.*?)(?=\n\*\*|\Z)"
matches = re.findall(pattern, note, re.DOTALL)

# 输出结果
print(matches)

输出结果 #

[
    ('Jane Greiz', '1', 'Should be open here .'),
    ('Thomas Fitzpatrick', '90', 'Anim: Can we start the movement.'),
    ('Anthony Smith', '91', 'Her left shoulder.\nhttps://google.com')
]

正则规则解释 #

• \*\*(.+?)\*\*: 捕获**包裹的姓名（非贪婪匹配避免跨条目）
• \s*#(\d+):\s*: 捕获#后的数字，自动忽略前后空白字符
• (.*?): 捕获当前条目的剩余内容（非贪婪匹配）
• (?=\n\*\*|\Z): 正向预查终止条件，匹配到下一个姓名开头或文本结尾为止
• re.DOTALL: 让.匹配换行符，确保剩余内容包含换行的最后一段

内容的提问来源于stack exchange，提问作者Zak44