Python结合Regex匹配关键词段落导出至TXT文件的故障求助

数据老陈

2026-10-2

问题解决方案

原有正则错误原因

你当前使用的([^\']*(?=discussing)[^\']*)规则存在两处核心逻辑问题：
- [^\']*会匹配所有非单引号的字符，若你的文档中没有单引号作为分隔，会直接捕获从文档开头到discussing位置的全部内容，再向后匹配所有非单引号字符，最终结果就是几乎捕获整个文件
- 规则未限制段落边界，也未强制要求匹配内容必须包含目标关键词，因此会出现大量无关段落被匹配的问题

修正方案

我们以空行作为段落分隔边界的通用文本规则为基础，仅匹配包含discussing关键词的完整段落，不需要使用复杂的正向预查逻辑。

修正后的正则规则

r'(?:^|\n\n)(.*?discussing.*?)(?=\n\n|$)'

参数说明：

搭配re.DOTALL参数让.可以匹配换行符，适配段落内部的单个换行
(?:^|\n\n)为非捕获组，匹配段落开头（文档开头或两个换行的段落分隔符）
.*?discussing.*?非贪婪匹配包含关键词的全部段落内容
(?=\n\n|$)为正向预查，匹配段落结尾（后续接两个换行或到文档末尾）

完整可运行代码

import re

def write_function():
    # 若需要每次运行覆盖输出文件，可将打开模式的'a'改为'w'
    with open('minnar.txt','r', encoding='utf-8') as rf, open('regexoutput.txt', 'a', encoding='utf-8') as wf:
        content = rf.read()
        target = re.compile(r'(?:^|\n\n)(.*?discussing.*?)(?=\n\n|$)', re.DOTALL)
        matches = target.findall(content)
        # 过滤空内容、去除段落前后多余空白
        matches = [match.strip() for match in matches if match.strip()]
        print(matches)
        for match in matches:
            wf.write(match + '\n\n')

write_function()