Python3.11正则表达式：如何让值匹配停在下一个键前？

问题场景 #

需要将以下字符串转换为字典：

string = '''Latitude (degrees): 4010.44 Longitude (degrees): 58.000 Radiation database: year month H(h)_m 2005 Jan 57.77 2005 Feb 77.76 2005 Mar 120.58 H(h)_m: Irradiation plane (kWh/m2/mo)'''

预期提取的键值对为：

Latitude (degrees): 4010.44
Longitude (degrees): 58.000
Radiation database: year month H(h)_m 2005 Jan 57.77 2005 Feb 77.76 2005 Mar 120.58
H(h)_m: Irradiation plane (kWh/m2/mo)

当前使用的正则r'(?P<key>(?>[A-Z][ a-z\_(\)]*))\: *(?P<value>.+?)(?: |$)'无法满足需求：

• 非贪婪模式(?P<value>.+?)会因终止条件为空格，导致值被提前截断（比如Radiation database的值只能匹配到year）
• 改为贪婪匹配后，值会意外捕获后续的键内容

解决方案：用正向预查界定值的终止边界 #

核心思路是让值的匹配在遇到下一个符合键模式的内容时停止，而非简单的空格或字符串结尾。结合Python 3.11支持的原子组，调整后的正则如下：

pattern = r'(?P<key>(?>[A-Z][\w ()_-]*)): *(?P<value>.+?)(?=(?: [A-Z][\w ()_-]*:)|$)'

正则各部分解释 #

• (?P<key>(?>[A-Z][\w ()_-]*)): 匹配键，原子组提升匹配效率；键以大写字母开头，后续可包含字母、数字、空格、括号、下划线、连字符
• : *: 匹配冒号及后续任意数量的空格
• (?P<value>.+?): 非贪婪匹配值内容，避免过度捕获
• (?=(?: [A-Z][\w ()_-]*:)|$): 正向预查，当检测到下一个键的起始（空格+大写字母开头的键+冒号）或字符串结尾时，终止值的匹配

代码示例 #

import re

string = '''Latitude (degrees): 4010.44 Longitude (degrees): 58.000 Radiation database: year month H(h)_m 2005 Jan 57.77 2005 Feb 77.76 2005 Mar 120.58 H(h)_m: Irradiation plane (kWh/m2/mo)'''

pattern = r'(?P<key>(?>[A-Z][\w ()_-]*)): *(?P<value>.+?)(?=(?: [A-Z][\w ()_-]*:)|$)'
matches = re.finditer(pattern, string)

result_dict = {match.group('key').strip(): match.group('value').strip() for match in matches}

# 输出结果
for k, v in result_dict.items():
    print(f"{k}: {v}")

运行结果 #

Latitude (degrees): 4010.44
Longitude (degrees): 58.000
Radiation database: year month H(h)_m 2005 Jan 57.77 2005 Feb 77.76 2005 Mar 120.58
H(h)_m: Irradiation plane (kWh/m2/mo)

补充说明 #

正则中预查的 [A-Z]确保下一个键前有空格，避免误匹配值内的大写字母（比如Jan不会被识别为键的起始）；同时通过|$兼容字符串末尾的键值对。

内容的提问来源于stack exchange，提问作者hildogjr