Python多行文本正则匹配：捕获指定speakerA至votC区块内容

匹配规则明确 #

需要捕获的内容范围：

• 起始：以包含投票关键词的speakerA行开头，关键词包括lets beginning to vote、go to vote、have voting、beginning to vote
• 结束：到votC:行及其后续所有内容为止（直到下一个投票块起始行或文本结尾）

正则方案实现 #

针对需求，结合Python正则特性，使用以下模式：

import re

pattern = re.compile(
    r'^speakerA[：:] (?:lets beginning to vote|go to vote|have voting|beginning to vote)\n.*?^votC:.*?(?=^speakerA[：:] |\Z)',
    re.DOTALL | re.MULTILINE
)

关键参数与逻辑说明 #

• re.DOTALL：让.匹配包括换行符在内的所有字符，解决跨多行匹配问题
• re.MULTILINE：让^和$匹配每行的开头和结尾，而非整个文本的首尾
• speakerA[：:]：兼容示例中出现的中文冒号：和英文冒号:
• .*?：非贪婪匹配，避免一次性匹配到文本末尾的重复块
• (?=^speakerA[：:] |\Z)：正向预查，确保匹配到votC:的内容后，在下一个speakerA行或文本结尾处停止，不会包含下一个投票块的内容

测试与提取 #

使用findall或search方法提取内容：

matches = pattern.findall(your_text)
for full_match in matches:
    print(full_match)

原问题分析 #

你之前的正则r'(^speakerA：.*\n(.*\n)?^（voting）)'存在两个核心问题：

1. 未启用re.DOTALL，.无法匹配换行符，导致跨多行内容无法完整捕获
2. 匹配逻辑仅局限于到（voting）行，未覆盖后续的list*和vot*行，不符合更新后的需求

内容的提问来源于stack exchange，提问作者matsuri