如何在两个单词之间包含可选空格而不选择下一个单词？

Question

我具有以下这些文件名，并使用以下正则表达式进行匹配：

文件名：

1. 1234 12345678测试文档2018年12月20日.pdf
2. 1234 12345678 TESTDOCUMENT 2018年12月20日.pdf

我用来匹配文件名的正则表达式是：

(\d+)\s(\d+)\s(\w+\s?\w+)

对于第一个文件，它可以工作，但是对于第二个文件，它与12月匹配，因为这也是两个带有空格的单词。

在两种情况下，如果TEST与DOCUMENT之间没有空格，则如何编写正则表达式以最多仅匹配“ 1234 12345678 TEST DOCUMENT”。

预期结果：

1. 1234 12345678测试文档
2. 1234 12345678 TESTDOCUMENT

不是第二个文件（1234 12345678 TESTDOCUMENT December）

Answer 1

鉴于您所说的

  

“ TEST DOCUMENT”之后，通常是1月-12月格式的一个月

您可以使用前瞻性来确保与月份不符：

(\d+)\s(\d+)\s(\w+\s?(?!Jan|Feb|Mar|...|Dec)\w+)
                     ^^^^^^^^^^^^^^^^^^^^^^^...

这将确保第二个单词不以月份名称开头。

Answer 2

另一种选择是在末尾匹配“ datelike”格式并捕获捕获组中以前的内容：

(\d+)\s(\d+)\s(.*?)\s\d{1,2},\s\d{4}\.pdf$

Regex demo

@iBug指出，如果您只想匹配文字字符或空格，则可以将(.*?)替换为([\w ]+)

Answer 3

只需确保始终将零件与日期匹配，例如：

(\d+)\s(\d+)\s(\w+\s?\w+)\s\w+\s\d+

就足够了。

Answer 4

您可以从行的开头选择所有内容，后跟（lookahead (?=...)）空格和月份名称。这是11月和12月：

^.*(?= December| November)

请注意月份名称的大小写（驼峰式，大写等）。此外，您是否已使用不同的语言对数据进行了本地化，月份名称...