如何修改正则表达式((?:\w\s*)+)匹配含标点及换行的子串

问题说明 #

原正则((?:\w\s*)+)存在两个局限：无法匹配包含.、,、:、;的子串，也不支持跨行匹配带换行的内容。需要调整正则实现：

1. 完整匹配包含上述标点及常规字符的中间内容
2. 支持匹配带换行的跨行内容
3. 仅当分隔符（abbaab与ccccrrru）被换行包裹时不触发匹配

修改后的正则代码 #

将原代码中的some_text替换为：

some_text = r"\s*((?:[\w.,:;]|\s)+?)\s*"

正则逻辑解析 #

• [\w.,:;]：匹配字母、数字、下划线，以及需要支持的.、,、:、;
• |\s：匹配任意空白字符（含换行、空格、制表符等）
• +?：非贪婪匹配模式，确保匹配到第一个目标分隔符ccccrrru时立即停止，避免过度匹配
• 前后的\s*：匹配中间内容首尾的任意空白（包括换行）

测试验证 #

无换行输入测试 #

import re

input_text = "cerca de abbaab como estas?. Creo yo que bien,aunque solo haya 9 de ellas pero : no estoy muy segura ccccrrru, y luego..."

some_text = r"\s*((?:[\w.,:;]|\s)+?)\s*"
regex_pattern = r"(?:abbaab)" + some_text + r"(?:ccccrrru)"

m1 = re.search(regex_pattern, input_text, re.IGNORECASE)

if m1:
    association = m1.group()
    print(repr(association))

输出结果：
' como estas?. Creo yo que bien,aunque solo haya 9 de ellas pero : no estoy muy segura '

含换行输入测试 #

import re

input_text = """cerca de abbaab como estas?. 
Creo yo que bien,aunque solo haya 9 de ellas. 
pero : no estoy muy segura ccccrrru, y luego...
Quizas sea."""

some_text = r"\s*((?:[\w.,:;]|\s)+?)\s*"
regex_pattern = r"(?:abbaab)" + some_text + r"(?:ccccrrru)"

m1 = re.search(regex_pattern, input_text, re.IGNORECASE)

if m1:
    association = m1.group()
    print(repr(association))

输出结果：

' como estas?. \nCreo yo que bien,aunque solo haya 9 de ellas. \npero : no estoy muy segura '

内容的提问来源于stack exchange，提问作者Matt095