如何按AA对字符串分组，在下一个AA出现前完成对应内容分词

完全可以实现，不需要复杂分词处理，通过逐行识别AA开头的行作为分组边界即可完成需求，逻辑简单且性能更高。

核心实现逻辑 #

• 先将原始字符串按换行符拆分为逐行列表，按需过滤掉无效空行
• 初始化分组结果容器、当前分组临时容器两个变量
• 逐行遍历所有内容：
  • 遇到AA开头的行时，若当前临时容器已有内容，就将临时容器内容存入最终结果，再将当前行作为新分组的起始内容放入临时容器
  • 非AA开头的行直接追加到当前临时容器中
• 遍历结束后将最后一组未存入结果的内容补入结果列表

示例代码（Python实现） #

import re

# 原始字符串
raw_text = """AA 12345678910
BB TESTTESTTEST
BB TESTTESTTEST
BB TESTTESTTEST
CC TEST
AA 0897654321
BB TESTTESTTEST
CC TEST"""

# 拆分+过滤空行
lines = [line.strip() for line in raw_text.splitlines() if line.strip()]
groups = []
current_group = []

for line in lines:
    # 匹配AA开头的分组边界，用正则匹配单词边界避免误判内容里自带AA的行
    if re.match(r'^AA\b', line):
        if current_group:
            groups.append(current_group)
        current_group = [line]
    else:
        current_group.append(line)
# 追加最后一组
if current_group:
    groups.append(current_group)

# 打印分组结果验证
for i, group in enumerate(groups, 1):
    print(f"第{i}组内容：")
    print("\n".join(group))
    print("="*30)

运行输出结果 #

第1组内容：
AA 12345678910
BB TESTTESTTEST
BB TESTTESTTEST
BB TESTTESTTEST
CC TEST
==============================
第2组内容：
AA 0897654321
BB TESTTESTTEST
CC TEST
==============================

内容的提问来源于stack exchange，提问作者CoolBlue