使用Python正则表达式从采访记录中提取文本

我正在使用Python 3分析政治访谈的记录。但我正在努力让正则表达式正常工作

我有很多这种格式的.txt文件：

NAME_OF_JOURNALIST:

Lorem ipsum dolor sit amet, consectetur adipiscing elit.

PRIME MINISTER:

Aenean tempus feugiat leo, ut tristique mauris tempus sed.

NAME_OF_JOURNALIST:

Aenean id felis neque. Nam ornare turpis et dolor elementum auctor.

PRIME MINISTER:

Donec rutrum, erat a faucibus consectetur, mi nisi rhoncus augue, et rutrum purus lorem id arcu.

NAME_OF_JOURNALIST:

Aenean id felis neque. Nam ornare turpis et dolor elementum auctor.

NAME\u OF\u是一个变量，在每个文件中都会发生更改。我对记者说的话不感兴趣，只对首相说的话感兴趣。因此，我需要分离并提取文本中以
首相
开头，以
记者姓名
结尾的部分

我已尝试使用以下正则表达式：

PRIME.+（？！PRIME）（？！MINISTER）\b[A-Z][A-Z][A-Z]+\b

但是它没有捕获我需要的文本。我不知道我做错了什么。任何帮助都将不胜感激

谢谢大家!
 试试这个正则表达式：

PRIME MINISTER:[\n]+(.+)


你的正则表达式似乎什么都不匹配。不确定您的目标是什么。
使用
re.findall
和lookback&Lookahead

Ex:

import re
s = """NAME_OF_JOURNALIST:

Lorem ipsum dolor sit amet, consectetur adipiscing elit.

PRIME MINISTER:

Aenean tempus feugiat leo, ut tristique mauris tempus sed.

NAME_OF_JOURNALIST:

Aenean id felis neque. Nam ornare turpis et dolor elementum auctor.

PRIME MINISTER:

Donec rutrum, erat a faucibus consectetur, mi nisi rhoncus augue, et rutrum purus lorem id arcu.

NAME_OF_JOURNALIST:

Aenean id felis neque. Nam ornare turpis et dolor elementum auctor."""

for text in re.findall(r"(?<=PRIME MINISTER:).*?(?=NAME_OF_JOURNALIST:)", s, flags=re.DOTALL):
    print(text.strip())

Aenean tempus feugiat leo, ut tristique mauris tempus sed.
Donec rutrum, erat a faucibus consectetur, mi nisi rhoncus augue, et rutrum purus lorem id arcu.

我们可以在这里像这样使用lookarounds：

(?<=PRIME MINISTER:\s)[\s\S]*?(?=NAME_OF_JOURNALIST:\s|\s*\Z)

（？
记者姓名是可变的。首相的内容也可以包含“：”。
只有当首相的文本总是在一行时才有效。试试看，或者如果首相应该是比赛的一部分，
re.findall（r'（？sm）PRIME:\s*？（？=^[a-Z][\w]*：|\Z）
。如果首相有最后一句话，则无法正常工作。
import re

reg=re.compile(r"(?ms)^\s*PRIME MINISTER:\s*[\r\n]+(.+?)^[\s\w]+:\s*$")
for m in reg.finditer(text):
    print(m.group(1))

"""
(?ms)                           m: multiline, s: dot matches at all, \n, too;

^\s*PRIME MINISTER:\s*[\r\n]+   section begins with a line starting(^) with some/none spaces and PM, and ending with newline;

^[\s\w]+:\s*$                   section stops at a line starting with words and ending($) with ":" and some/none spaces.

(.+?)                           the wanted content
"""