17370845950

本文介绍如何在 go 中借助 `regexp` 包正确提取文本中的非空段落，避免误匹配空行，并提供可直接运行的示例代码与关键注意事项。

在 Go 中使用正则表达式匹配“段落”时，需明确段落的定义：通常指由一个或多个非空行组成、以两个及以上连续换行符（\n\n）或文本结尾分隔的内容块。原始代码 (.+)(\n\n) 存在两个核心问题：

• .+ 默认是贪婪且不跨行的（Go 的 regexp 默认不启用 (?s) 单行模式），无法匹配含换行符的多行段落；
• 它只匹配到 \n\n 前的内容，但会将 \n\n 本身作为捕获组的一部分，导致结果中混入空行，且无法捕获末尾无双换行的最后一个段落。

✅ 正确方案是使用 非贪婪单行模式：(?s).*?(\n\n|$)

• (?s) 启用单行模式，使 . 可匹配包括 \n 在内的任意字符；
• .*? 是非贪婪匹配，确保尽可能少地匹配字符，停在第一个 \n\n 或字符串末尾 $ 处；
• (\n\n|$) 作为分隔符捕获组，既识别段落边界，又保证末尾段落（无后续空行）也能被完整捕获。

以下是修正后的完整示例：

package main

import (
    "fmt"
    "regexp"
)

func main() {
    str := `first paragraph
second line of first paragraph

second paragraph

third paragraph
second line of third paragraph`

    // 使用 (?s) 开启单行模式，.*? 非贪婪匹配段落内容，(\n\n|$) 匹配分隔符
    r, err := regexp.Compile(`(?s).*?(\n\n|$)`)
    if err != nil {
        panic(err)
    }

    matches := r.FindAllString(str, -1)
    // 清理匹配结果：去除末尾的 \n\n 或空字符串，并过滤空段落
    var paragraphs []string
    for _, m := range matches {
        // 去除末尾的 \n\n 和可能的前后空白
        trimmed := regexp.MustCompile(`\n\n$`).ReplaceAllString(m, "")
        trimmed = regexp.MustCompile(`^\s+|\s+$`).ReplaceAllString(trimmed, "")
        if trimmed != "" {
            paragraphs = append(paragraphs, trimmed)
        }
    }

    fmt.Printf("Extracted paragraphs (%d):\n", len(paragraphs))
    for i, p := range paragraphs {
        fmt.Printf("%d: %q\n", i+1, p)
    }
}

输出：

Extracted paragraphs (3):
1: "first paragraph\nsecond line of first paragraph"
2: "second paragraph"
3: "third paragraph\nsecond line of third paragraph"

⚠️ 注意事项：

• regexp.Compile 返回错误，切勿忽略（如原示例中的 _），生产环境务必检查 err；
• FindAllString 返回的是包含分隔符的完整匹配串，需后处理去除 \n\n 和空白；
• 若需更健壮的段落分割（如兼容 \r\n\r\n、首尾空白敏感等），建议优先考

  

  虑字符串切分：strings.Split(strings.TrimSpace(str), "\n\n")，它更高效、更易读，且天然规避正则复杂性；
• Go 的 regexp 基于 RE2，不支持反向引用、环视等高级特性，设计模式时请参考 RE2 语法文档。

总结：正则适用于边界清晰的复杂模式，但对纯段落分割，strings.Split 往往是更简单、安全、高效的选择；若必须用正则，请牢记 (?s) 与 .*? 的组合是跨行非贪婪匹配的关键。