如何用Python re.search匹配行首为WORD的行及其前序所有非空行

直接使用如下写法即可满足需求：

import re

text = """foo bar
foo bar

bar foo

bla
blu
WORD foo bar

foo bar
"""
result = re.search(r'(?<!\S)(?:[^\n]+\n)*?^WORD[^\n]*', text, flags=re.M)
print(result.group())

运行后输出和预期完全一致：

bla
blu
WORD foo bar

正则逻辑说明 #

各部分匹配规则拆解：

• (?<!\S)：零宽负向后行断言，确保当前匹配位置的前一个字符不是非空白字符，也就是匹配位置要么是整个文本的开头，要么是空行之后，保证抓到的是连续非空行块的起始位置，不会从某一行的中间截断
• (?:[^\n]+\n)*?：非贪婪匹配0到多个「非空整行+换行符」，只会捕获WORD行之前、最近一个空行之后的所有连续非空行，不会跨空行匹配前面无关的内容
• ^WORD[^\n]*：在多行模式下^匹配行首，精准定位到以WORD开头的目标行，匹配整行内容

原写法错误原因 #

之前的写法r'\n\n.*(?!\n\n)WORD.*?\n'存在两个核心问题：

• 开启re.DOTALL后.会匹配换行符，.*会直接跨过任意数量的空行，直到碰到离WORD最近的位置，完全无法实现「连续非空行」的边界判断
• (?!\n\n)负向预查放在.*之后没有实际约束效果，因为.*贪婪匹配时已经把所有字符吃到WORD前了，预查条件永远成立，起不到拦截空行的作用

给出的正则同时兼容文本开头就是连续非空行+WORD行的场景（即WORD块前面没有空行，直接在文本最开头），不需要额外调整。

内容的提问来源于stack exchange，提问作者user3612643