Python如何多次提取日志中两个时间戳间的文本并保留时间戳

需求背景 #

需要多次提取日志文件中两个相邻时间戳之间的全部文本，日志样例如下：

2022/May/31 14:42:33.775887 blabla.
2022/May/31 14:42:33.775907 abc, id 2
2022/May/31 14:42:33.781586 blabla {
one
huge
block
of
text
}
2022/May/31 14:42:33.781982 def

待处理日志的特征：包含大量时间戳开头的条目，部分日志条目为短行，部分时间戳后会跟随跨多行的大段文本。提取目标是拆分出每一条以时间戳开头的完整日志（含后续跨多行的内容），方便后续对单条日志做修改、分析或丢弃处理。

原有实现的问题 #

最初尝试的两种方案均存在缺陷，无法满足提取需求：

• 第一种实现代码：

with open(infile) as fp:
    for result in re.findall("\d{4}/\w{3}/\d{2}(.*?)\}", fp.read(), re.S):
        print(result)

缺陷：该正则仅在时间戳后存在{...}格式文本块时可正常匹配，若对应时间戳后无该类文本块，正则会持续向后检索直到找到}字符，导致匹配范围跨越后续时间戳，结果错误。运行上述样例时会错误将前三条日志连同文本块一同匹配，遗漏最后一条日志。

• 第二种实现代码：

with open(infile) as fp:
    for result in re.findall("^\d{4}/\w{3}/\d{2}(.*?)\d{4}/\w{3}/\d{2}", fp.read(), re.S):
        print(result)

缺陷：该方案运行后无法返回任何匹配结果，无法完成提取。

正确实现方案 #

以下方案可完美实现提取需求，通过开启re.M多行匹配模式，可正确返回所有携带时间戳的日志条目，包括跨多行的文本块内容：

pattern = r"^\d{4}/\w{3}/\d{2} (\d\d:\d\d:\d\d\.\d+ )(.*(?:\n(?!\d{4}/\w{3}/\d{2}\b).*)*)"
with open(infile) as fp:
    for result in re.findall(pattern, fp.read(), re.M):
        print(result)

针对上述样例日志，运行后输出结果如下：

['14:42:33.775887 blabla.', '14:42:33.775907 abc, id 2', '14:42:33.781586 blabla {\none\nhuge\nblock\nof\ntext\n}', '14:42:33.781982 def']

内容的提问来源于stack exchange，提问作者FotisK