如何通过正则按行分组提取特定格式字符串中的内容？

问题背景 #

我从连接器接收到以下格式的字符串：

{#{123}#};{#{abc}#}
{#{345}#};{#{def}#}
{#{789}#};{#{ghi}#}

无法修改该格式。目前使用正则表达式 (?s){#{(.*?)}#}，得到的结果是 ["123", "abc", "345", "def", "789", "ghi"]，希望通过正则实现按行分组的输出，得到 [("123", "abc"), ("345", "def"), ("789", "ghi")]。

正则解决方案 #

可以通过匹配整行内容并在每行内捕获两个目标字段的方式实现，具体正则表达式如下：

{#{(.*?)}#};{#{(.*?)}#}

正则说明 #

• 不需要开启 (?s)（单行模式），因为我们要按行匹配，单行模式会让 . 匹配换行符，反而干扰行级分组
• 每行的结构固定为 {#{X}#};{#{Y}#}，直接针对这个结构写正则，第一个捕获组提取X，第二个捕获组提取Y

Python 代码示例 #

import re

raw_str = """{#{123}#};{#{abc}#}
{#{345}#};{#{def}#}
{#{789}#};{#{ghi}#}"""

pattern = r"{#{(.*?)}#};{#{(.*?)}#}"
result = re.findall(pattern, raw_str)
print(result)

运行结果：

[('123', 'abc'), ('345', 'def'), ('789', 'ghi')]

如果原始字符串里的换行是转义字符 \n，代码依然适用，因为 re.findall 会自动识别换行符分隔的行（只要正则不匹配跨行内容）。

内容的提问来源于stack exchange，提问作者5th