如何用正则表达式提取DD/MM/YYYY格式发票日期前的数据？

问题背景 #

需提取发票编号，已知唯一规律是发票编号后紧跟DD/MM/YYYY格式的日期，原正则因发票编号格式多样失效。

原尝试正则：

(\d{7,8})|([A-Za-z0-9\/]{12})|([0-9\/-]{8,9})

可行正则表达式 #

基础版本（匹配任意DD/MM/YYYY格式日期）

^(.*?)\s+\d{2}/\d{2}/\d{4}$

严谨版本（校验日期合法性，限制日01-31、月01-12）

^(.*?)\s+(0[1-9]|[12][0-9]|3[01])/(0[1-9]|1[012])/\d{4}$

正则说明 #

• ^：锁定字符串起始位置
• (.*?)：非贪婪捕获任意字符，确保仅提取日期前的发票编号内容
• \s+：匹配发票编号与日期之间的一个或多个空格分隔符
• 日期匹配部分：
  • 基础版\d{2}/\d{2}/\d{4}：简单匹配两位日/两位月/四位年的格式
  • 严谨版通过正则限制日、月的合法范围，避免匹配无效日期
• $：锁定字符串结束位置

使用示例（Python） #

import re

sample_data = [
    "91504458 26/04/2022",
    "TYRES/REEXPORT 04/07/2022",
    "TYRES/RE-EXPORT 23/09/2022",
    "SAM0112/2022 23/05/2021",
    "020/22-23 17/02/2022",
    "SAM0141/2022 19/03/1975",
    "91/22-23 01/01/2022",
    "SAM0159/2022 15/08/2021",
    "111/22-23 09/09/2021",
    "SAM0106/2022 09/09/2022",
    "017/2022 08/08/2022",
    "91/22-23 07/07/2022"
]

pattern = re.compile(r'^(.*?)\s+\d{2}/\d{2}/\d{4}$')
for line in sample_data:
    match = pattern.match(line)
    if match:
        print(match.group(1))

运行输出与预期完全一致：

91504458
TYRES/REEXPORT
TYRES/RE-EXPORT
SAM0112/2022
020/22-23
SAM0141/2022
91/22-23
SAM0159/2022
111/22-23
SAM0106/2022
017/2022
91/22-23

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