如何用正则基于月份缩写分割文本并提取对应内容？

我懂你现在的需求——就是要从那段带换行的文本里，把每个以月份缩写（apr、may、jan这类）开头的完整段落块提取出来，对吧？你之前用贪婪匹配的正则没搞定，那咱们来捋清楚怎么实现。

问题分析 #

每个目标块的特征很明确：

• 开头是指定的月份缩写（比如apr、may、jan）
• 内容会跨换行，一直到下一个月份缩写的前一刻，或者文本的结尾

之前用贪婪匹配.*会直接从第一个月份缩写匹配到文本末尾，这显然不是你想要的，所以得用非贪婪匹配加上边界判断。

正确的实现代码 #

直接上能跑的代码，注释里会讲清楚每个部分的作用：

import re

# 你的输入文本
text = "apr25, 2016\nblah blah\npow\nmay22, 2017\nasdf rtys\nqwer\njan9, 2018\npoiu\nlkjhj yertt"

# 定义正则：匹配指定月份缩写开头的块，直到下一个月份缩写或文本结束
# 可根据需要扩展月份缩写（比如加feb、jun等）
month_pattern = re.compile(r'(apr|may|jan).*?(?=(apr|may|jan)|$)', re.DOTALL)

# 提取所有匹配的块
result = [match.group(0) for match in month_pattern.finditer(text)]

# 打印结果看看
print(result)

正则解释 #

咱们拆解一下这个正则的关键部分：

• (apr|may|jan)：指定要匹配的月份缩写，作为每个块的起始标记；如果需要支持更多月份，直接在这里添加缩写就行，比如(apr|may|jan|feb|jun)
• .*?：非贪婪匹配任意字符，这样不会一口气吞掉所有内容，而是匹配到下一个边界就停止
• (?=(apr|may|jan)|$)：正向预查，用来确定匹配的结束边界——要么遇到下一个月份缩写，要么到文本末尾，这样就能精准切割每个块
• re.DOTALL：这个参数必须加！因为默认情况下.不会匹配换行符，加了它之后，.就能处理跨换行的内容了

运行结果 #

执行代码后，输出正好是你期望的格式：

[
    "apr25, 2016\nblah blah\npow\n",
    "may22, 2017\nasdf rtys\nqwer\n",
    "jan9, 2018\npoiu\nlkjhj yertt"
]

内容的提问来源于stack exchange，提问作者user1290793