求助构建匹配含数字俱乐部名的足球积分榜正则表达式

问题场景 #

有如下自由格式的足球积分榜文本：

1  Cibalia Vinkovci          0  30  21   5   4  67  24   43   68 [promoted]
   2  Vihor Jelisavac           0  30  16   6   8  44  29   15   54
   3  Cepin                     0  30  14   7   9  49  29   20   49
   4  Belisce                   0  30  14   6  10  53  39   14   48
   5  Mladost Zdralovi          0  30  13   8   9  48  35   13   47 [moved to group "North"]   
   6  Slavonija Pozega          0  30  12   7  11  45  40    5   43
   7  Marsonia Slavonski Brod   0  30  12   6  12  38  40   -2   42
   8  Zrinski Jurjevac          0  30  11   8  11  35  35    0   41
  14  Vukovar 1991              0  30   8   7  15  29  52  -23   31

现有正则方案存在两个问题：

• 正则 (\d+)\s+([A-Za-z\s]+)(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+) 仅能匹配最多两个不含数字的俱乐部名，对第7行（含三个单词）、第14行（含数字）的俱乐部名匹配失效；
• 将数字加入俱乐部名匹配组后，正则 (\d+)\s+([A-Za-z0-9\s]+)(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+) 会因贪婪匹配溢出，错误包含后续数字字段。

期望匹配结果示例：match = [ '14','Vukovar 1991','0','30','8','7','15','29','52','-23','31' ]

解决思路与正则方案 #

核心是利用俱乐部名后紧跟固定格式数字字段的规律，通过非贪婪匹配+精确字段匹配避免溢出。

方案1：正向预查限定俱乐部名边界 #

正则表达式（支持负数字段）：

^(\d+)\s+([\w\s]+?)(?=\s+-?\d)\s+(-?\d+)\s+(-?\d+)\s+(-?\d+)\s+(-?\d+)\s+(-?\d+)\s+(-?\d+)\s+(-?\d+)\s+(-?\d+)\s+(-?\d+)

各部分解释：

• ^(\d+)：匹配行首的排名数字；
• \s+：匹配排名与俱乐部名之间的空格；
• ([\w\s]+?)：非贪婪匹配俱乐部名（\w覆盖字母、数字，+?避免过度匹配）；
• (?=\s+-?\d)：正向预查，确保俱乐部名后紧跟空格+数字（含负数），以此作为俱乐部名的结束标记；
• (-?\d+)：依次匹配剩余的数字字段，-?支持负数（如净胜球-23）。

方案2：固定数字字段反向推导 #

利用每行数字字段数量固定的特点，先匹配末尾的数字字段，反向锁定俱乐部名范围：

^(\d+)\s+(.+?)\s+(-?\d+)\s+(-?\d+)\s+(-?\d+)\s+(-?\d+)\s+(-?\d+)\s+(-?\d+)\s+(-?\d+)\s+(-?\d+)\s+(-?\d+)$

各部分解释：

• ^(\d+)：行首排名；
• (.+?)：非贪婪匹配任意字符（覆盖字母、数字、空格），直到遇到后续数字字段；
• (-?\d+)：匹配固定数量的9个数字字段；
• $：匹配行尾，自动忽略[promoted]这类行尾备注。

效果验证 #

两种方案均能正确匹配所有行的内容，比如第14行会得到期望的匹配数组：['14','Vukovar 1991','0','30','8','7','15','29','52','-23','31']，同时支持多单词、含数字的俱乐部名，不会出现溢出匹配问题。

内容的提问来源于stack exchange，提问作者Hogar