Python正则匹配重复组问题：提取countries.txt中的国家与首都信息

嘿，我来帮你搞定这个正则提取的问题！先从明确场景入手——我先模拟下你countries.txt里的典型内容（符合你说的最多20个属性、示例保留Country和CapitalCity的情况）：

Country: Canada
CapitalCity: Ottawa

Country: Germany
CapitalCity: Berlin

Country: Australia
CapitalCity: Canberra

核心正则表达式与Python实现 #

你之前遇到的问题大概率是没处理好多行分隔、非贪婪匹配或者边界判断。这里给你一个精准适配的方案：

import re

# 读取文件内容
with open('countries.txt', 'r', encoding='utf-8') as file:
    file_content = file.read()

# 定义匹配规则：捕获Country和CapitalCity对应的值，适配条目间的空行分隔
country_pattern = re.compile(
    r'Country:\s*(.*?)\s*\nCapitalCity:\s*(.*?)(?=\n\n|\Z)',
    re.DOTALL
)

# 提取所有匹配的国家-首都对
results = country_pattern.findall(file_content)

# 输出处理后的结果
for country, capital in results:
    # 用strip()去掉可能的前后空白
    print(f"国家：{country.strip()}，首都：{capital.strip()}")

正则规则详解 #

让我拆解下这个正则的逻辑，方便你根据实际内容调整：

• Country:\s*：匹配"Country:"标签，\s*吃掉标签后面的任意空白（空格、制表符都能覆盖）
• (.*?)：非贪婪捕获国家名称，直到遇到换行符（避免匹配到多余内容）
• \s*\n：匹配换行前的空白和换行本身，衔接下一行的CapitalCity标签
• CapitalCity:\s*：和Country的逻辑一致，匹配标签和后续空白
• (.*?)：捕获首都名称
• (?=\n\n|\Z)：正向预查，匹配到两个连续换行（条目分隔符）或文本结尾，确保每个条目被正确分割

适配特殊场景的调整 #

如果你的文件里存在属性顺序变化（比如CapitalCity在Country前面）、中间夹杂其他属性，或者标签大小写不统一，可以用这个更灵活的版本：

# 适配任意属性顺序、中间含其他属性、标签大小写不敏感的规则
flexible_pattern = re.compile(
    r'(?i)Country:\s*(.*?)(?=\s*\n|$).*?CapitalCity:\s*(.*?)(?=\n\n|\Z)',
    re.DOTALL
)

• (?i)：开启大小写不敏感匹配，能匹配"country:""COUNTRY:"等各种格式
• .*?：非贪婪匹配中间的任意内容（比如其他属性行），确保跳过无关内容只捕获目标属性

为什么之前的尝试没成功？ #

你提到的regex101例子没提取到Country，大概率是这两个原因：

1. 没有开启多行模式或DOTALL模式，导致正则无法跨行匹配
2. 用了贪婪匹配（比如.*而非.*?），导致Country的捕获组把后续内容也吞进去了
3. 没有正确设置条目边界，导致匹配结果混乱

内容的提问来源于stack exchange，提问作者Telewa