如何使用正则表达式过滤角色名及标记，提取转录文本的纯内容

两类需求都可以通过正则表达式实现，具体操作如下：

第一类：剧场转录文本台词提取 #

你当前编写的正则无法完全适配需求，存在三个明显问题：

• 字符匹配范围有限，仅覆盖了英文字母和äüö，未考虑角色名可能存在的其他合法字符
• 完全未适配可选的括号包裹的动作标注部分
• 未处理冒号后的空白字符，提取结果容易残留多余空格

实现方案 #

推荐使用前缀替换法，匹配行首所有角色+动作+冒号的前缀部分，直接替换为空即可得到纯台词。
适用正则：^\*\*[^*]+\*\*(?:\s*\([^)]+\))?:\s*
规则说明：

• ^ 匹配行首位置
• \*\*[^*]+\*\* 匹配包裹在两个星号内的角色名
• (?:\s*\([^)]+\))? 非捕获组，匹配可选的动作标注部分（支持动作前后的任意空格，括号内内容任意），? 表示该组可出现0次或1次
• :\s* 匹配冒号及冒号后的任意空白字符

操作方式：开启正则多行模式，将所有匹配到的前缀替换为空字符串，即可批量得到纯台词结果。也可以调整正则为捕获分组模式 ^\*{2}[^*]+\*{2}(?:\s*\([^)]+\))?:\s*(.*)$，直接提取第一个捕获分组的内容作为台词。

第二类：带前后置标记的文本内容提取 #

核心逻辑是分别过滤行首的所有标记前缀、行尾的所有标记后缀，保留中间有效内容，推荐用两步替换法适配性更强。

实现方案 #

1. 第一步过滤行首标记，正则：^[\*\(][\s\S]*?\s，替换为空
   规则：匹配行首以*或(开头的所有标记内容，直到第一个有效内容前的空格为止
2. 第二步过滤行尾标记，正则：\s[\*\(][\s\S]*?$，替换为空
   规则：匹配行尾前的空格开始，以*或(开头的所有标记内容，直到行尾为止

如果你的有效内容确定不会包含*或()包裹的独立标记，也可以用单步捕获的方式，正则：^\W*?(.*?)\s*(?:\*[^*]+\*|\([^)]+\))*\s*$，直接提取第一个捕获分组的内容即可。

内容的提问来源于stack exchange，提问作者CoderGer