Python 在文本中找到模式的另一个实例之前，如何捕获模式之后的所有内容？

更具体地说，我正在处理几个不同演讲者之间对话的txt文件。我正试着根据说话人把课文分开。该文件如下所示：

S1：那是（你的日程安排。）
S2：好的
非常感谢苏，我想我现在感觉好多了。
学生2：所以我不得不说，和一个不辍学的人交谈真的很愉快。你不知道掉了多少，就像uu很好[S1:好的]好的[S1:非常感谢苏]再见，下一步。。。你是玛丽安？
S3：是的。你好
你好，我是苏
S3：嗨
学生2：嗯，她在外面打你了吗？

所以我创建了一个空的数据框来存储每个发言者所说的一切。我希望S1所说的每件事都要比S2所说的每件事分开存储，以此类推

我的问题是我不知道如何捕获每个说话人ID之间的文本。因此，例如，当它看到“S1:”时，它将捕获所有文本，直到看到“S2:”。以下是我目前正在处理的问题。结果是“无”

df=pd.DataFrame(columns=['Speaker ID', 'Role', 'Genger', 'Utterance', '# of Words', '# of Pronouns', '1st P SG', '1st P PL', '2nd P'])
#print (df)
f=open('Academic_Advising.txt').read()
try:
    pattern=re.search('^S\d+', f).group()
except: AttributeError
pattern=None
print (pattern)

---

对不起，如果这是长篇大论。我只是想说清楚。

也许这可以帮助你在旅途中：

import re
import pandas as pd 

def main() -> pd.DataFrame: 
    s = """S1: that's (your schedule.)
S2: okay
S1: thanks a lot Sue i think i feel much better now.
S2: so it's really nice to talk to somebody who's not dropping a class <S1: LAUGH> i have to say. you don't know how many dropped just like_ that's good <WALKS S1 TO THE DOOR>[S1: alright ] okay [S1: thanks a lot Sue ] bye-bye next... you're Marianne?
S3: yeah. hi
S2: hi i'm Sue
S3: hi
S2: um did she hit you out there?"""
    messages = {}
    data_rows = []
    splitted = re.split("(S\d+:)", s)
    print(splitted)
    for i, message in enumerate(splitted):
        if (i+1) % 2 == 0:
            print(f"use {message} as key ")
            speaker_id = message
            message = splitted[i+1]
            message_id = messages.get(speaker_id, 0)
            word_count = len(message)
            data_rows.append([speaker_id, message, word_count])
    df = pd.DataFrame(data_rows, columns=["SpeckerId", "Message", "WordCount"])

    print(df.head())
    return df 

if __name__ == '__main__':
    main()

重新导入
作为pd进口熊猫
def main（）->pd.DataFrame：
s=“”S1：那是（你的日程安排。）
S2：好的
非常感谢苏，我想我现在感觉好多了。
S2:所以我不得不说，能和一个不辍学的人交谈真的很高兴。你不知道有多少人辍学了，就像uu好的[S1:好的]好的[S1:非常感谢苏]再见，下一步……你是玛丽安？
是的，你好
你好，我是苏
S3：嗨
学生2：嗯，她在外面打你了吗？”
消息={}
数据_行=[]
splitted=re.split（“（S\d+：）”，S）
打印（拆分）
对于i，枚举中的消息（拆分）：
如果（i+1）%2==0：
打印（f“使用{message}作为键”）
发言人_id=信息
消息=已拆分[i+1]
message\u id=messages.get（演讲者id，0）
字数=len（消息）
数据行。追加（[说话人id、消息、字数]）
df=pd.DataFrame（数据行、列=[“SpeckerId”、“Message”、“WordCount”]）
打印（df.head（））
返回df
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
main（）

Imo，将defaultdict与简单正则表达式结合使用：

from collections import defaultdict
import re

text = """
S1: that's (your schedule.)
S2: okay
S1: thanks a lot Sue i think i feel much better now.
S2: so it's really nice to talk to somebody who's not dropping a class <S1: LAUGH> i have to say. you don't know how many dropped just like_ that's good <WALKS S1 TO THE DOOR>[S1: alright ] okay [S1: thanks a lot Sue ] bye-bye next... you're Marianne?
S3: yeah. hi
S2: hi i'm Sue
S3: hi
S2: um did she hit you out there?
"""

dd = defaultdict(list)
rx = re.compile(r'(S\d+):\s+(.+)', re.MULTILINE)

for match in rx.finditer(text):
    key, value = match.groups()
    dd[key].append(value)

print(dd)

从集合导入defaultdict
进口稀土
text=”“”
S1：那是（你的日程安排。）
S2：好的
非常感谢苏，我想我现在感觉好多了。
S2:所以我不得不说，能和一个不辍学的人交谈真的很高兴。你不知道有多少人辍学了，就像uu好的[S1:好的]好的[S1:非常感谢苏]再见，下一步……你是玛丽安？
是的，你好
你好，我是苏
S3：嗨
学生2：嗯，她在外面打你了吗？
"""
dd=默认DICT（列表）
rx=re.compile（r'（S\d+）:\S+（.+）'，re.MULTILINE）
对于rx.finditer中的匹配（文本）：
key，value=match.groups（）
dd[键]。追加（值）
印刷品（dd）

产生

defaultdict(<class 'list'>, 
    {'S1': ["that's (your schedule.)", 'thanks a lot Sue i think i feel much better now.'], 
     'S2': ['okay', "so it's really nice to talk to somebody who's not dropping a class <S1: LAUGH> i have to say. you don't know how many dropped just like_ that's good <WALKS S1 TO THE DOOR>[S1: alright ] okay [S1: thanks a lot Sue ] bye-bye next... you're Marianne?", "hi i'm Sue", 'um did she hit you out there?'], 
     'S3': ['yeah. hi', 'hi']})

defaultdict（，
{'S1'：[“那是（你的日程安排。）”，“非常感谢，苏，我想我现在感觉好多了。”，
‘S2’：[‘好吧’，‘和一个我不得不说没有辍学的人谈话真是太好了。你不知道有多少人辍学了，就像uu那很好[S1:好吧]好的[S1:非常感谢苏]再见，下一步……你是玛丽安？，‘嗨，我是苏’，‘嗯，她打你了吗？’，
'S3'：['yeah.hi'，'hi']]

---

之后，您可以轻松地将dict传输到数据帧。

这太棒了！谢谢你的帮助！我还有一个问题。经过测试，文本中似乎有几个地方一个演讲者打断了另一个演讲者，他们没有为那个演讲者的打断创建新行。它们与被打断的演讲者放在同一正文中。此代码似乎无法将其分离并附加到正确的说话人。我怎样才能解决这个问题？