Python正则表达式拆分字符串：按换行+大写字母或项目符号遇阻

我来帮你解决这个正则拆分的问题！看起来你卡在了拆分规则的匹配上，尤其是按「换行符+大写字母」拆分时只拿到第一个结果，我给你梳理下正确的思路和代码。

先解决核心问题：按换行+大写字母拆分 #

你之前的正则只返回第一个单词，大概率是因为没有用零宽断言，或者错误限制了匹配范围。正确的做法是在「换行符之后、大写字母之前」的位置拆分，而不是把这两个字符当作分隔符吃掉。

用这个正则就能实现：

import re

# 示例文本（模拟从文件读取的内容）
text = """Hello world
This is a test paragraph
Another line starts with capital
Last example line"""

# 拆分正则：匹配换行后紧跟大写字母的位置
split_result = re.split(r'(?<=\n)(?=[A-Z])', text)
print(split_result)

输出结果会是：

['Hello world', 'This is a test paragraph', 'Another line starts with capital', 'Last example line']

正则解释： #

• (?<=\n)：正向零宽后行断言，确保当前位置前面是换行符（不会消耗换行符本身）
• (?=[A-Z])：正向零宽先行断言，确保当前位置后面是大写字母（也不会消耗这个字母）
  这样拆分后，每个段落的开头大写字母和换行符都会保留在对应的段落里，完美符合你的需求。

扩展需求：同时支持项目符号拆分 #

如果还要按项目符号（比如-、*、+，甚至带前置空格的情况）拆分，只需要在正则里加上另一个匹配规则，同时开启多行模式让^匹配每一行的开头：

import re

# 包含项目符号的示例文本
text = """First main paragraph
Second paragraph here
- First bullet point
  Indented sub content
* Second bullet item
Third main paragraph starts with capital"""

# 同时匹配两种拆分规则的正则
split_pattern = r'(?<=\n)(?=[A-Z])|(?=^\s*[-*+])'
# 注意要加 re.MULTILINE 让 ^ 匹配每行开头
split_result = re.split(split_pattern, text, flags=re.MULTILINE)

# 清理拆分后可能出现的空字符串和多余空格
clean_result = [item.strip() for item in split_result if item.strip()]
print(clean_result)

输出结果：

['First main paragraph', 'Second paragraph here', '- First bullet point', 'Indented sub content', '* Second bullet item', 'Third main paragraph starts with capital']

新增规则解释： #

• (?=^\s*[-*+])：正向零宽先行断言，匹配「行开头可能有若干空格，然后是项目符号」的位置，这样拆分后项目符号会和对应的内容在一起。
• re.MULTILINE：必须开启这个标志，否则^只会匹配整个字符串的开头，无法识别每行的项目符号。

可能的坑点排查 #

你之前只拿到第一个单词，可能是这两个原因：

1. 用了re.match()而不是re.split()：match()只匹配字符串开头，自然只能拿到第一个结果；
2. 正则里写了^[A-Z]但没开多行模式：同样只会匹配整个文本的第一个大写字母开头的位置。

如果你的项目符号有其他形式（比如•、>），只需要修改正则里的[-*+]部分，比如改成[-*+•>]即可。

内容的提问来源于stack exchange，提问作者Rohan