相关 PR：microsoft/TextWorld#377，已合并。 改动很小，两个文件，核心是一行正则。但定位它的过程比改它有意思得多，记一下。
TextWorld 是微软做的一个文本游戏环境，常被拿来当强化学习 / 具身智能的 benchmark——agent 接收一段自然语言描述的房间状态，输出 "go north"、"take key" 这种命令，环境再返回新的状态。
我当时在翻它的 wrapper 代码，顺手在一个真实游戏里，把两条命令用句号拼在一行喂了进去：
game_state, _, _ = env.step("go east. go west.")
然后环境直接炸了，抛了个 ValueError：
ValueError: invalid literal for int() with base 10: '...</moves>\n\n<score>...'
单条命令完全正常，两条拼一起就崩。这是个很典型的"边界输入"问题——正常路径大家都测，把多条命令塞一行这种用法，没人覆盖到。
TextWorld 底层用的是 Inform 7 这个交互式小说引擎。为了让程序能解析游戏状态，引擎在正常的文本反馈之外，会额外打印一批带标签的结构化信息，大概长这样：
This is room. You can see a chest here.
<extras>
<score>
0
</score>
<moves>
1
</moves>
</extras>
TextWorld 要做的，就是把 <score>、<moves> 这些标签里的内容抠出来，转成整数存到 game_state 上。
关键点在这：当你一行喂了两条命令，Inform7 会老老实实地把这组标签打印两遍，每个命令对应一份：
<score>
0
</score>
<moves>
1
</moves>
... 中间是普通文本反馈 ...
<score>
0
</score>
<moves>
2
</moves>
而我们最终想要的，显然是最后一条命令执行完的状态（moves 应该等于 2）。
解析标签的代码在 textworld/envs/wrappers/tw_inform7.py 的 _detect_extra_infos 里，原来长这样：
regex = re.compile(r"<{tag}>\n(.*)</{tag}>".format(tag=tag), re.DOTALL)
match = re.search(regex, text)
if match:
_, cleaned_text = _detect_i7_events_debug_tags(match.group(1))
matches[tag] = cleaned_text.strip()
text = re.sub(regex, "", text)
问题就出在这个正则上。两个地方叠加：
(.*) 是贪婪匹配，它会尽可能多地吃字符；re.DOTALL 让 . 连换行符也能匹配。于是当文本里有两个 <score> 块时，<score>\n(.*)</score> 的匹配方式是：从第一个 <score> 开始，(.*) 一路吃到最后一个 </score> 才肯停。中间本该是"块结束 → 普通文本 → 块开始"的那一段，包括 </score>、<moves>...</moves> 这些，全被当成 score 的内容吞了进去。
后面 _gather_infos 拿到这一大坨东西，照着老逻辑 int(...) 一转，里面混着 <moves> 标签和换行，自然就 ValueError 了。报错信息里那串 ...</moves>...<score>...，其实就是贪婪匹配的"犯罪现场"。
这也是正则解析结构化文本的一个经典坑：只要你假设"这个标签只出现一次"，贪婪写法在出现第二次时就会悄悄出错，而且不会报错，只会给你一段意料之外的内容。
改动其实就三处。
第一，把贪婪的 .* 改成非贪婪的 .*?，这样每个标签块会被独立、完整地匹配，不会再跨块：
第二，原来是 re.search 只拿到第一个匹配，现在用 findall 拿到所有块，然后显式取最后一个 all_matches[-1]——对应多命令场景下最后一条命令的状态，这正是我们要报告给 agent 的结果：
regex = re.compile(r"<{tag}>\n(.*?)</{tag}>".format(tag=tag), re.DOTALL)
all_matches = regex.findall(text)
if all_matches:
_, cleaned_text = _detect_i7_events_debug_tags(all_matches[-1])
matches[tag] = cleaned_text.strip()
text = regex.sub("", text)
顺带把 re.sub(regex, "", text) 换成了 regex.sub("", text)，复用同一个编译好的正则，没什么特别的，就是少传一遍参数。
第三处是在不远处的 _gather_infos，原来有个裸 except:：
try:
self.state[info] = int(self.state[info].strip())
except:
self.state[info] = int(self.state[info].strip().split("\n")[0])
裸 except 会把 KeyboardInterrupt、SystemExit 这种也一并吞掉，是 PEP 8 明确不推荐的。这里真正想兜的只是"内容不是合法整数"，所以收窄成 except ValueError。
光改解析逻辑不够，得有个测试把这个行为钉死，否则以后谁重构一下可能又回去了。我在 test_tw_inform7.py 里加了一个：
def test_multiple_commands(self):
# 一行多命令不能崩，而且报告的应该是最后一条命令的状态
for env in [self.env_z8]:
env.reset()
game_state, _, _ = env.step("go east. go west.")
assert game_state.moves == 2
这里我特意没只断言"不抛异常"，而是断言 moves == 2。区别在于：如果哪天真的退回成"只取第一个块"，代码照样不崩，但 moves 会变成 1，这个测试依然能抓住它。测"取的是最后一块"比测"没崩"更接近这个 bug 的本质。
这个 PR 来回了几轮，几个点让我印象挺深。
Marc-Alexandre Côté（TextWorld 的作者）没有直接说"你这正则写错了"，而是先让我把 Inform7 实际输出的原始 observation 贴出来。确认了"每个命令打印一组标签、要取最后一组"这个事实之后，他才认可非贪婪 + 取最后一块的方向。换句话说，他先要证据，再看方案。
中间他还提了两个要求：一个是前面说的裸 except 要按 PEP 8 收窄；另一个是测试文件的位置——我一开始把测试放在了顶层的 tests/ 目录，但 TextWorld 的约定是 wrapper 的测试跟着 wrapper 走，应该放在 textworld/envs/wrappers/tests/ 下面。我挪过去之后，还顺手解决了一个旧的 CI 失败：顶层有个同名测试模块，跟新位置的冲突了。
等所有 check 变绿、CLA 签完，他就合并了。
int() 报错，最有价值的不是 ValueError 本身，而是它里面那串 ...</moves>...<score>...——它直接告诉你，本应干净的数字里混进了别的标签，顺着这个去想"为什么两个块会缝在一起"，比盯着 int() 看快得多。.*? + findall 是更安全的直觉。这个 bug 不复杂，但它是那种"真实用户在真实用法下会踩到"的问题——能把这种小而确定的东西修干净，我觉得比硬凑一个大而无当的 feature 实在。