Python re.findall匹配含换行段落 提取包含指定字符串内容的方法

正确实现方式 #

方案1：先分段再过滤（更简单易维护，无需复杂正则）

直接按空行拆分文本为独立段落，再过滤包含目标字符串的段落，替换段落内的换行即可：

text = """test textract.

new line
test word.

another line."""
myword = "word"

# 按两个连续换行拆分段落，去除首尾空白
paragraphs = [p.strip() for p in text.split('\n\n')]
# 筛选包含目标词的段落，替换内部换行符为空格
result = [p.replace('\n', ' ') for p in paragraphs if myword in p]
print(result)
# 输出：['new line test word.']

方案2：正则实现

需要解决你之前写法的三个核心问题：

1. 正则默认.不匹配换行符，需要加re.DOTALL标志开启匹配
2. 避免用普通捕获组()，否则re.findall会优先返回分组内容而非完整匹配结果，改用非捕获组(?:)
3. 目标词要加re.escape()转义，避免目标词包含正则特殊字符时报错

代码如下：

import re
text = """test textract.

new line
test word.

another line."""
myword = "word"

matches = re.findall(
    r'(?<=\n\n)(?:.*?' + re.escape(myword) + r'.*?)(?=\n\n)',
    text,
    flags=re.DOTALL
)
# 替换段落内换行
result = [m.strip().replace('\n', ' ') for m in matches]
print(result)
# 输出：['new line test word.']

之前写法失效的原因 #

• 未开启re.DOTALL，.无法匹配换行符，跨行的段落内容自然匹配不到
• 用了普通捕获组()，re.findall优先返回分组内容，导致返回的是空分组结果而非完整段落
• 错误使用|或逻辑，.|\n会将内容拆分为单个字符匹配，无法拿到完整段落

内容的提问来源于stack exchange，提问作者Bill Zhao