如何修改Python正则表达式，精准捕获紧邻指定前瞻的目标组？

问题说明 #

当前正则表达式 (\d*-.+?)(?=\sLEFT|\sRIGHT|\sUP) 会错误捕获包含无关内容的片段，比如测试集第二行的「69-R.HILL REPORTED IN AS ELIGIBLE. 33-D.COOK」，但预期仅捕获「33-D.COOK」。核心原因是 .+? 的非贪婪匹配未限制范围，会从前方匹配起点延伸至前瞻模式前，包含了多余内容。

修正方案 #

要确保捕获组与前瞻的 \sLEFT/RIGHT/UP 之间无多余字符，可通过以下两种方式修改：

• 方案一（适配当前测试集场景）：用 \S+ 替代 .+?，\S+ 仅匹配非空白字符，精准对应「数字-名称」的无空格格式，同时把 \d* 改为 \d+ 保证至少有一个数字，更严谨：

  (\d+-\S+)(?=\sLEFT|\sRIGHT|\sUP)
  

• 方案二（兼容名称含空格的扩展场景）：如果目标片段名称可能包含空格，可通过反向约束确保捕获组结束后直接衔接前瞻的方向词，同时保持非贪婪匹配的边界：

  (\d-.+?)(?=\s(?:LEFT|RIGHT|UP))
  

  注意需保持默认单行模式（. 不匹配换行），避免捕获组跨无关片段。

修改后的正则会精准匹配紧邻 LEFT/RIGHT/UP 前方的目标片段，不会包含无关前置内容。

内容的提问来源于stack exchange，提问作者johnbayesa