如何调整正则表达式，在前后文本可变时提取中间目标内容？

我需要从一段长文本中提取目标名称（示例为"Melinda Gates"），已知目标内容邻近的固定核心文本片段：

• 目标前的邻近固定片段："came home last night to"
• 目标后的邻近固定片段："his wife of several years"

长文本示例：

Before he came home last night to Melinda Gates, his wife of several years who loves him dearly

当前使用的正则模式为：

import re

before_text = "He came home last night to"
after_text = "his wife of several years"
pattern = fr"{re.escape(before_text)}(.*?){re.escape(after_text)}"

但当before_text或after_text前后出现额外内容（比如before_text变为"While he was drunk and came home last night to"，after_text变为"his wife of several years who grew up in Poland"）时，正则会失效——因为当前正则匹配的是完整的before/after文本，而非邻近目标的固定核心片段。

解决方案 #

核心思路：只匹配目标内容前后的固定核心片段，忽略核心片段之外的所有可变内容。

调整后的正则实现 #

直接基于固定核心片段构建正则，用通配符匹配核心片段前后的任意内容：

import re

# 目标前后的固定核心片段
fixed_prefix = "came home last night to"
fixed_suffix = "his wife of several years"

# 构建正则：匹配任意内容 + 固定前缀 + 目标内容 + 固定后缀 + 任意内容
pattern = fr".*{re.escape(fixed_prefix)}(.*?){re.escape(fixed_suffix)}.*"

long_text = "Before he came home last night to Melinda Gates, his wife of several years who loves him dearly"
match = re.search(pattern, long_text)
if match:
    target_name = match.group(1).strip()  # 去除目标内容前后的空格、标点
    print(target_name)  # 输出: Melinda Gates

关键细节 #

• .*用于匹配固定核心片段前后的任意可变内容，不管前后新增多少文字都不影响匹配
• re.escape()处理固定核心片段，避免其中的空格、普通字符被正则误解析为特殊语法
• .strip()用于清理目标内容前后可能附带的空格、逗号等无关符号

进阶优化（可选） #

如果需要确保固定核心片段是完整短语（避免被部分匹配），可以添加单词边界\b：

pattern = fr".*\b{re.escape(fixed_prefix)}\b(.*?)\b{re.escape(fixed_suffix)}\b.*"

这样能防止类似"came home last night toXYZ"这类不符合预期的部分匹配。

内容的提问来源于stack exchange，提问作者minuscler