Python用正则提取双引号之间的文本出现空结果如何解决

问题原因 #

你遇到的部分行匹配为空的问题，大概率是以下两种情况之一：

1. 匹配失败的行里的双引号是全角双引号（“ ”），不是你正则里写的半角双引号（"），肉眼看起来接近但实际字符编码不同，导致匹配失效。
2. 匹配失败的行里存在不可见控制字符（比如零宽空格、换行转义符），惰性匹配(.+?)遇到特殊字符时会出现匹配中断的情况。

解决方案 #

优先用排除字符组替换惰性匹配写法，匹配效率和稳定性都更高，示例代码如下：

import re

# 方案1：仅匹配半角双引号包裹的内容，适配整文件读取场景
with open("目标文件路径", "r", encoding="utf-8") as f:
    file_content = f.read()
titles = re.findall(r'"([^"]+)"', file_content)
print(titles)
# 无异常时输出：['abc', 'ABC. XYZ', '1 - 2 - 3']

# 方案2：同时兼容全角/半角双引号，适配逐行读取、存在首尾空白的场景
titles = []
with open("目标文件路径", "r", encoding="utf-8") as f:
    for line in f:
        # 先去掉行首尾的空白、换行符
        clean_line = line.strip()
        match_res = re.findall(r'["“]([^"”]+)["”]', clean_line)
        if match_res:
            titles.extend(match_res)
print(titles)

如果按上面的写法还是有匹配失败的情况，你可以打印对应行的字符编码确认是否存在其他特殊符号：

# 打印第二行每个字符的编码
print([ord(c) for c in 第二行字符串])
# 半角双引号的ASCII码是34，如果对应位置的编码不是34，替换正则里的匹配规则即可

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