需求：使用正则表达式提取符合特定规则的建筑名称

需求说明 #

需从文本列表中提取建筑名称，规则如下：

• 建筑名称始终全大写，前缀为Building:
• 前缀后紧跟以下任意内容时，提取前缀后的全大写建筑名称：
  • (a) 数字；(b) 全大写的UNIT单词；(c) 任意大小写混合单词
• 非Building:开头的行返回空值

现有正则问题 #

当前使用的正则^.*Building:\s([A-Z+\s*]*).*存在两个核心问题：

1. 贪婪匹配导致将后续的全大写UNIT也包含进结果（第三个示例）
2. 仅匹配大写字母和空格，遇到小写字母时提前终止匹配（第四个示例只提取到BUILDING ONE F）

修正后的正则表达式 #

.*Building:\s+([A-Z\s]+?)(?=\s+(?:\d|UNIT|[A-Za-z]+))

正则解析 #

• .*Building:\s+：匹配任意前置文本，精准定位到Building:及后续的一个或多个空格
• ([A-Z\s]+?)：非贪婪匹配全大写字母与空格组合，确保只提取目标建筑名称
• (?=\s+(?:\d|UNIT|[A-Za-z]+))：正向预查，用于终止匹配的条件——当后续出现空格+数字/全大写UNIT/任意大小写混合单词时，停止提取

验证结果 #

将正则应用到示例文本，提取结果如下：

1. Building: BUILDING ONE 15 [...] → BUILDING ONE
2. Optional preceding text Building: BUILDING ONE 15 [...] → BUILDING ONE
3. Building: BUILDING ONE UNIT 15 [...] → BUILDING ONE
4. Building: BUILDING ONE Floor 2 [...] → BUILDING ONE
5. Grounds: OPEN SPACE WEST Section 3 [...] → 无匹配（返回空值）

Python使用提示 #

在Python的re模块中，可通过re.search()方法匹配，提取group(1)的值；若未匹配到结果，则返回空：

import re

pattern = r'.*Building:\s+([A-Z\s]+?)(?=\s+(?:\d|UNIT|[A-Za-z]+))'
text = "Your target text here"
match = re.search(pattern, text)
result = match.group(1).strip() if match else ""

内容的提问来源于stack exchange，提问作者MWeber