正则表达式分组直到空间

Question

我有这样一行：

[24 Mar 2019] ABC-000 somestring-with-numbers-and-dashes - a whole bunch of text

正则表达式是这样：

re_header = re.compile(r'^\[(\d\d) ([A-Z][a-z][a-z]) (\d{4})\] '
                    + r'(ABC-\d+(?:-\d+)?)\s+'
                    + r'(.*?)\s*$')

现在我能得到的是：

('24', 'Mar', '2019', 'ABC-000', 'somestring-with-numbers-and-dashes - a whole bunch of text')

我想要的是一个由“数字和破折号组成的字符串”组成的附加组，如下所示：

('24', 'Mar', '2019', 'ABC-000', 'somestring-with-numbers-and-dashes')

'somestring-with-numbers-and-dashes'之后的所有内容都应忽略。

我该如何实现？

Answer 1

您可以使用

^\[(\d{2}) ([A-Z][a-z]{2}) (\d{4})\]\s*(DSA-\d+(?:-\d+)?)\s+([^\s-]+(?:-[^\s-]+)*)

请参见regex demo（由于您的模式包含DSA而不是ABC，因此我在模式和regex101的演示字符串中使用了DSA）。

您感兴趣的部分是([^\s-]+(?:-[^\s-]+)*)：

• [^\s-]+-除空格和-之外的1个以上的字符
• (?:-[^\s-]+)*--的0或多个重复，后跟除空格和-之外的任意1个以上的字符。

Answer 2

只需将最终的(.*?)\s*$更改为([^\s]*)：

re_header = re.compile(r'^\[(\d\d) ([A-Z][a-z][a-z]) (\d{4})\] '
                    + r'(ABC-\d+(?:-\d+)?)\s+'
                    + r'(\S*)')

Demo

请注意，我必须将原始表达式中的DSA更改为ABC，以使其起作用。

Answer 3

您可以将最后一个正则表达式部分简单地替换为

(.*?) - .*$

因此，您会捕获到尽可能少的文本，直到-出现为止。

Answer 4

如果日期仅包含1位数字并且月份超过3个字符，则正则表达式中的其他问题，例如。 2019年6月9日。此外，您在正则表达式中使用DSA，但在输出中如何使用ABC？因此，为了适应这些情况，最好使用以下regex：

^\[(\d+) ([A-Za-z]+) (\d{4})\] ([A-Z]+-\d+(?:-\d+)?)\s+(\S*)