Python re模块正则提取两固定词间多行内容分组的方法

你之前的正则无法拿到所有分组的核心原因是Python标准库re模块的特性限制：被量词（+/*/{m,n}）修饰的捕获组，只会存储最后一次匹配的内容，不会保留每次重复匹配的结果。所以哪怕加了gms标志，你写的((?P<value>[^\n]+)\n)+结构最终只会返回最后匹配到的content3行，前两行的匹配结果会被覆盖。

不要硬写单条正则强行一步匹配，分两步实现可读性、容错率最高，适配任意行数的中间内容：

• 先用非贪婪匹配截取出Word1和Word2之间的整块文本
• 对截取出的文本做行拆分，过滤空行、去除每行首尾缩进空白，就能得到所有独立的content分组

代码实现如下：

import re

# 待匹配样例文本
sample_text = """Word1   content1 content1 content1
       content2 content2 content2
         
          content3 content3 content3
Word2
"""

# 第一步：提取两个标记之间的整块内容，re.S标志让.可以匹配换行
block = re.search(r"Word1(.*?)Word2", sample_text, flags=re.S).group(1)
# 第二步：拆分多行、过滤空行、去除每行首尾空白
content_list = [line.strip() for line in block.splitlines() if line.strip()]

print(content_list)
# 输出：['content1 content1 content1', 'content2 content2 content2', 'content3 content3 content3']

如果你确定Word1和Word2之间固定只有3行有效内容，也可以用纯正则单次匹配，但这种写法灵活度差，内容行数变化就会失效：

pattern = r"Word1\s*(?P<v1>[^\n]+)\n\s*(?P<v2>[^\n]+)\n\s*(?P<v3>[^\n]+)\s*Word2"
res = re.search(pattern, sample_text)
print(res.groups())
# 输出：('content1 content1 content1', 'content2 content2 content2', 'content3 content3 content3')

内容的提问来源于stack exchange，提问作者Jedi Knight