我扫描了许多页面的文档，使用OCR使它们机器可读，然后使用Python 3中的Tika包阅读它们，该包返回一个我标记为"全文"的冗长凌乱的字符串。我正在尝试返回与此模式匹配的所有文本：
事件描述： (
呸呸呸呸呸呸呸呸呸�作为参考，这就是我要捕获的段落的样子：
事件描述： 学生确实哗啦。学生bla bla bla bla bla。呸��\\！I \.\'=fll BLABLA \SCHOOL \\'1 \是学生bla和/或bla吗？是的哦 否~ lfyes，附上报告。\如果发生事件，是否在 24 小时内通知了家长/监护人？是：1/否： r：J·\是嘭嘭嘭是的，Noif \CC： \District Qt\'" 。/Parent/Guardian\'EJ therO \h[t/I lf Date \(pis\， 1.-1 Date \\学生姓名：
它始终以"事件描述"开头，以"\学生"结尾。所以我不想捕获中间显示"\\！"的部分。
我试过这个：
desc = re.findall("Description of Incident:+.nnnn", fulltext)
print(desc)
但我得到一个空列表。
但是，如果我这样做：
desc = re.findall("Description of Incident:+.", fulltext)
然后我得到一个多次重复['事件描述："]
的列表如果我这样做：
desc = re.findall("nnnn", fulltext)
然后我确实多次得到 ['\\']
最后，如果我这样做：
desc = re.findall("Description of Incident:.+n.+", fulltext)
然后我得到段落的一部分，但只到第二个。 示例：['事件描述：学生确实唠叨。学生 ']
使用转义字符无济于事。
尝试在 DOT ALL 模式下运行查找所有搜索，并稍微改变您的模式：
desc = re.findall("Description of Incident:.*?nnnn(?=Student\b)", fulltext, re.DOTALL)
这似乎有效，至少对于您的示例输入数据。 请注意，该模式现在说要匹配和使用从跨换行符Description of Incident:的所有内容，直到到达第一个nnnn然后是(但确实包括)文本Student。