我来帮你搞定这个正则表达式的问题！从你的例子和需求来看，你之前用的(?P<descr>(\w+\s)+)之所以失效，核心问题有两个：一是\w只能匹配字母、数字和下划线，没法覆盖像/这种非字母字符；二是没有处理排除最后一个单词（比如Each）的逻辑。

针对需求的正则方案 #

这里给你几个实用的正则表达式，适配不同的场景：

场景1：明确知道结尾是特定单词（比如Each）

这个方案用非贪婪匹配+结尾锚定，精准捕获到最后一个目标单词之前的内容：

(?P<descr>.+?)\s+Each$

• 细节解释：
  • (?P<descr>.+?)：命名捕获组，用非贪婪模式匹配任意字符（除换行），直到后面的条件触发，避免过度匹配到不需要的内容。
  • \s+Each$：匹配一个或多个空格，然后是Each，并且锚定到字符串结尾（$），确保Each是最后一个单词。

测试你的示例字符串HOSE 1/4 X BSP F 3/8 Each，会精准提取出HOSE 1/4 X BSP F 3/8。

场景2：结尾可能是多种单位/数量词（比如Each、Unit、PCS）

如果发票里的行项目结尾有多种类似单词，可以用非捕获组扩展：

(?P<descr>.+?)\s+(?:Each|Unit|PCS|EA)$

• 细节解释：(?:Each|Unit|PCS|EA)是一个非捕获组，用来匹配任意指定的结尾单词，你可以根据实际发票里的词汇随时添加或修改。

场景3：需要严格匹配每个“单词”的字符范围（仅允许字母、数字、/）

如果要确保捕获的每个部分只包含指定字符（避免意外匹配其他特殊符号），可以用字符集来定义“单词”：

(?P<descr>(?:[a-zA-Z0-9/]+(?:\s))+)(?=\s+(?:Each|Unit))

• 细节解释：
  • [a-zA-Z0-9/]+：仅匹配字母、数字和/组成的“单词”，如果需要支持其他字符（比如-），直接添加到字符集里即可，比如[a-zA-Z0-9/-]+。
  • (?=\s+(?:Each|Unit))：正向预查，确保后面跟着空格和指定结尾词，不会把结尾词包含到捕获结果里。

在invoice2data中的使用示例 #

把正则放到你的YAML模板配置里就行，比如：

fields:
  description:
    regex: '(?P<description>.+?)\s+(?:Each|Unit)$'
    type: text

快速验证代码 #

用Python代码可以快速测试效果：

import re

test_texts = [
    "HOSE 1/4 X BSP F 3/8 Each",
    "WRENCH 10mm Unit",
    "PIPE 2-1/2 PCS"
]
pattern = r'(?P<descr>.+?)\s+(?:Each|Unit|PCS)$'

for text in test_texts:
    match = re.search(pattern, text)
    if match:
        print(f"原字符串: {text}")
        print(f"提取结果: {match.group('descr')}\n")

运行后会输出：

原字符串: HOSE 1/4 X BSP F 3/8 Each
提取结果: HOSE 1/4 X BSP F 3/8

原字符串: WRENCH 10mm Unit
提取结果: WRENCH 10mm

原字符串: PIPE 2-1/2 PCS
提取结果: PIPE 2-1/2

内容的提问来源于stack exchange，提问作者West