正则表达式排除Loss Date，仅捕获目标日期的技术求助

问题原因 #

你用的(?!\s*Loss Date)是负前瞻断言，它的作用是检查当前匹配位置之后有没有指定内容，但你要排除的是前面带有Loss Date的日期，所以这个断言的位置和逻辑都不对，导致无法过滤掉Loss Date后的日期。

解决方案 #

方案1：用负回顾后发断言（推荐，支持PCRE/Python等引擎） #

直接在日期正则前加负回顾后发，确保日期前面没有Loss Date（含后续空格/换行）：

(?<!Loss Date[\s\n]*)((?:Date : )?(?:(?:[12][0-9]|0[1-9])[/.-]02|(?:30|[12][0-9]|0[1-9])[/.-](?:0[469]|11)|(?:3[01]|[12][0-9]|0[1-9])[/.-](?:0[13578]|1[02]))[/.-][0-9]{4})

• (?<!Loss Date[\s\n]*)：负回顾后发，确保当前日期的位置之前，没有Loss Date加上任意空格/换行
• 捕获组里的内容是你原来的日期匹配规则，保留了可选的Date : 前缀

使用时，取第一个捕获到的结果即可。

方案2：代码层面过滤（兼容所有正则引擎） #

如果你的正则环境不支持回顾后发，可以先匹配所有符合格式的日期，再过滤掉带有Loss Date前缀的项，取第一个有效日期：
以Python为例：

import re

# 替换成你从PDF提取的文本内容
pdf_text = """
Date : 01/15/2024
Loss Date : 03/20/2024
"""

# 匹配所有日期，同时捕获前面是否有Loss Date前缀
pattern = r'(Loss Date[\s\n]*)?((?:Date : )?(?:(?:[12][0-9]|0[1-9])[/.-]02|(?:30|[12][0-9]|0[1-9])[/.-](?:0[469]|11)|(?:3[01]|[12][0-9]|0[1-9])[/.-](?:0[13578]|1[02]))[/.-][0-9]{4})'
all_matches = re.findall(pattern, pdf_text)

# 过滤并取第一个有效日期
for prefix, date in all_matches:
    if not prefix:
        print("提取到的第一个日期：", date)
        break

额外提示 #

从PDF提取的文本可能存在换行、不规则空格，把正则里的\s*换成[\s\n]*可以更好适配这种情况。

内容的提问来源于stack exchange，提问作者mooregexleaner