AI 对话记录跨行后匹配不到?检查正则里的点号
用正则从 AI 对话的纯文本记录中取用户消息时,同样的写法可能能处理单行,遇到换行却返回 None。在 Python 的 re 中,点号默认不匹配换行符;re.DOTALL 才会让它跨行。
下面是人工编写的固定例子,角色标记约定为“用户:”开头、下一行“助手:”结束。需要 Python 3,不依赖第三方库。保存为 demo.py 后运行 python3 demo.py,也可以下载文末完整示例包:
import re
PATTERN = r'用户:(.*?)\n助手:'
def extract(text, flags=0):
match = re.search(PATTERN, text, flags)
return None if match is None else match.group(1)
single = '用户:你好\n助手:你好'
multiline = '用户:请求经常\n返回超时\n助手:先检查超时设置'
incomplete = '用户:请求经常\n返回超时'
print('单行默认:', repr(extract(single)))
print('多行默认:', repr(extract(multiline)))
print('多行 DOTALL:', repr(extract(multiline, re.DOTALL)))
print('缺结束标记:', repr(extract(incomplete, re.DOTALL))) 预期输出:
单行默认: '你好'
多行默认: None
多行 DOTALL: '请求经常\n返回超时'
缺结束标记: None (.*?) 是非贪婪匹配,会在满足后续 \n助手: 的最早位置结束;加 re.DOTALL 后它可以越过用户消息内部的换行。输出里的 \n 是 repr 对换行符的显示,不是消息里多出了两个普通字符。缺少结束标记时,函数返回 None,调用方应当处理这个结果,不能直接对它调用字符串方法。
这个表达式只展示约定格式里的第一段,不是通用对话解析器:如果正文自己包含独占一行的“助手:”,可能提前截断;缺少某轮结束标记时,也可能跨到后面的轮次。不同换行格式和角色标签也要先核对。真实系统如果能保留带角色字段的结构化消息,优先用原始结构,而不是依赖文本分隔符猜轮次。