如何在Python中移除字符串中从YYYY.MM.DD到Tech|的子串

输入文本：

dbt とは何をするツールなのか？2022.02.09data build tool|dbt|Tech|こんにちは、ソフトウェアエンジニアの冨田です。

期望输出：

dbt とは何をするツールなのか？こんにちは、ソフトウェアエンジニアの冨田です。

你当前使用的代码无法移除Tech|部分：

text = re.sub(r'\d{4}\.\d{2}\.\d{2}(?=.*Tech|)', '', text)

问题原因 #

1. 正则中的(?=.*Tech|)是正向预查，仅用于断言后续存在指定内容，不会实际匹配并删除该部分；
2. |是正则元字符，未转义的话会被解析为分支匹配，导致Tech|被错误识别为Tech或空字符串。

解决方法 #

使用非贪婪匹配从日期开始到Tech|的所有内容，同时转义|：

import re

text = "dbt とは何をするツールなのか？2022.02.09data build tool|dbt|Tech|こんにちは、ソフトウェアエンジニアの冨田です。"
result = re.sub(r'\d{4}\.\d{2}\.\d{2}.*?Tech\|', '', text)
print(result)

正则说明 #

• \d{4}\.\d{2}\.\d{2}：匹配YYYY.MM.DD格式的日期；
• .*?：非贪婪匹配任意字符（尽可能少匹配），避免跳过目标Tech|匹配到更后面的内容；
• Tech\|：转义|后，精确匹配Tech|字符串，确保删除截止到该位置的所有内容。

运行后即可得到期望的输出结果。

内容的提问来源于stack exchange，提问作者Julieta M.