如何用正则表达式仅匹配第一个分号与前导空格间的首个字符串

需求回顾 #

需要从三种格式的记录中，提取每个记录的最后一个逗号之后、第一个分号（若存在）之前的国家名称，同时自动去除前后空白字符：

记录1：city, country → 提取country
记录2：city, region, country → 提取country
记录3：city1, region1, country1; city2, region2, country2; ... → 提取country1

可用正则表达式 #

直接使用带捕获组的正则，精准提取目标内容：

,\s*([^,;]+?)\s*(?:;|$)

正则各部分解释 #

• ,：定位到目标内容前的最后一个逗号
• \s*：匹配逗号后可能存在的任意空白字符（自动忽略空格）
• ([^,;]+?)：核心捕获组，匹配不包含逗号、分号的任意字符（非贪婪模式避免过度匹配）
• \s*：匹配目标内容后可能存在的空白字符（自动忽略空格）
• (?:;|$)：匹配分号或字符串结尾，确保只取第一个分号前的内容

测试验证 #

对三个测试记录的匹配结果：

• 记录1：捕获组结果为country
• 记录2：捕获组结果为country
• 记录3：捕获组结果为country1

之前尝试的问题分析 #

1. 第一个正则(?<=, ).+|(?<=,).+?(?=;)

   • (?<=, ).+是贪婪匹配，会把记录2中逗号后的region, country全部匹配，导致错误提取地区+国家
   • 分支后半部分会匹配所有分号前的逗号后内容，无法只保留第一个国家

2. 第二个正则[^,]*[;\n]|;.*

   • 匹配结果会包含分号（比如记录3会匹配 country1;），需要额外处理
   • 会匹配所有分号前的内容，无法只保留第一个国家

代码示例（Python） #

如果用代码批量处理：

import re
pattern = r',\s*([^,;]+?)\s*(?:;|$)'
records = [
    "city, country",
    "city, region, country",
    "city1, region1, country1; city2, region2, country2; city3, region3, country3"
]
for record in records:
    match = re.search(pattern, record)
    if match:
        print(match.group(1))

输出：

country
country
country1

内容的提问来源于stack exchange，提问作者Postino