Python正则表达式匹配时如何排除脚注导致的误匹配

核心方案：用负向零宽断言过滤脚注项 #

给原正则添加负向零宽后行断言，确保匹配的括号内容前不会出现带空格变化的FS:脚注标识，精准排除误匹配的脚注内容。

修改后的正则表达式 #

r"(?<!FS:\s*)\(([A-Z]+\.?[A-Z]*)\)"

正则各部分解释 #

• (?<!FS:\s*)：负向零宽后行断言，检查当前位置（左括号(的位置）之前是否存在FS:加任意数量空白字符（空格、制表符、换行等），若存在则跳过该匹配项。
• \(：匹配左括号。
• ([A-Z]+\.?[A-Z]*)：捕获股票代码，支持纯大写字母（如META）和带点的格式（如BRK.B）。将原正则的非贪婪*?改为贪婪*，确保完整匹配代码。
• \)：匹配右括号。

Python代码示例 #

import re

# 测试文本，包含正常股票代码和脚注误匹配项
sample_text = """
持仓标的：(META)、(MSFT)、(BRK.B)
文档脚注：FS: (BM) 数据来源说明，FS:  (XYZ) 统计口径备注
"""

# 应用修改后的正则
stock_pattern = r"(?<!FS:\s*)\(([A-Z]+\.?[A-Z]*)\)"
matched_stocks = re.findall(stock_pattern, sample_text)

print(matched_stocks)
# 输出结果：['META', 'MSFT', 'BRK.B']

额外说明 #

如果脚注的FS:与括号之间必须至少有一个空格，可将断言部分改为(?<!FS:\s+)；若需兼容小写的fs:，可添加re.IGNORECASE标志，或修改断言为(?<!(FS|fs):\s*)。

内容的提问来源于stack exchange，提问作者Chris