如何使用正则表达式提取以编号开头、后跟多个注解的完整代码块

本文讲解如何用 python 正则表达式精准匹配并分组提取形如“1. @xxx”开头、后续紧接多行 `@annotation` 的逻辑块，解决单行匹配导致内容截断的问题。

在处理结构化注解文本（如 Spring 注解示例、JavaDoc 标签等）时，常需按语义块而非单行进行提取。原始代码 re.findall("(?:[0-9][.][ ]).+", txt) 仅捕获编号行本身，忽略了其后属于同一逻辑单元的 @Autowired、@Override 等注解——因为这些注解位于独立行，且不以数字编号开头。

关键在于：将整个逻辑块视为一个“主项+附属项”结构，其中：

• 主项：以 数字. 开头的行（如 1. @aut1.or）；
• 附属项：后续连续的、以 @ 开头的行（如 @Autowired），直到遇到下一个编号或文本结束。

以下为健壮、可复用的解决方案：

import re

txt = '''1. @aut1.or
@Autowired
2. @Override
@param
@SuppressWarnings'''

# 第一步：先提取所有可能的“起始行”（编号行）及其位置
start_matches = list(re.finditer(r'^\d+\.\s+@[\w.]+', txt, re.MULTILINE))
if not start_matches:
    result = []
else:
    result = []
    for i, match in enumerate(start_matches):
        start_pos = match.start()
        # 取当前起始行到下一个起始行（或文本末尾）之间的内容
        end_pos = start_matches[i + 1].start() if i + 1 < len(start_matches) else len(txt)
        block = txt[start_pos:end_pos].strip()
        # 清理块内多余空行，保留换行符分隔注解
        cleaned_block = re.sub(r'\n\s*\n', '\n', block)  # 合并空行
        result.append(cleaned_block)

print(result)
# 输出：
# ['1. @aut1.or\n@Autowired',
#  '2. @Override\n@param\n@SuppressWarnings']

✅ 优势说明：

• 使用 re.MULTILINE 配合 ^ 确保精确匹配行首编号；
• 基于位置切片（start_pos/end_pos）天然支持跨行归属，避免正则贪婪匹配风险；
• 兼容注解中含点号（如 @aut1.or）、下划线或大小写混合（如 @SuppressWarnings）；
• 自动过滤空行，保持结果整洁。

⚠️ 注意事项：

• 若文本中存在无编号的孤立注解（如开头直接写 @Deprecated），该方案会忽略它们——这符合“仅提取编号逻辑块”的需求；
• 如需支持中文编号（如“一.”、“二.”）或括号编号（如“(1)”），需扩展正则模式；
• 生产环境建议添加异常处理，并对 txt 做非空和类型校验。

此方法超越简单 findall，体现“定位锚点 → 划分区间 → 提取子串”的典型文本结构化解析思路，适用于日志分段、测试用例提取、文档标记解析等多种场景。