如何利用正则环视获取符合要求的街道地址匹配结果

需要从以下文本中提取以数字开头、包含下划线且以逗号结尾的街道地址字段：

001 ALLAN Witham Ross 13 Every_Street, Welltown Greenkeeper 002 ALLARDYCE Margaret Isabel 49 Bell_Road, Musicville Housewife 003 ALLARDYCE Mervyn George 49 Bell_Road, Musicville Company Mngr

期望匹配结果：

13 Every_Street, Welltown
49 Bell_Road, Musicville
49 Bell_Road, Musicville

当前使用的正则表达式：

(?ms)([0-9]+\s[A-Z][a-z].+(?=,))

存在问题：该表达式会过度匹配，从第一个地址的数字开始一直匹配到后续很远的逗号前，仅得到2个结果，无法正确提取3个目标地址。

可以使用以下正则表达式实现需求：

\b\d+\s\w+_\w+,\s\w+

正则说明 #

• \b：匹配单词边界，确保地址开头的数字不会和前面的用户编号（如001）混淆
• \d+：匹配地址起始的数字（如13、49）
• \s：匹配数字后的空格
• \w+_\w+：精准匹配包含下划线的街道名称（如Every_Street、Bell_Road）
• ,\s：匹配街道名后的逗号和空格
• \w+：匹配逗号后的城市名称（如Welltown、Musicville）

如果需要适配更复杂的街道命名（比如街道名包含多个下划线或额外字符），可以改用非贪婪模式避免过度匹配：

\b\d+\s.+?_\w+,\s\w+

这里的.+?是非贪婪匹配，会尽可能少地匹配字符，直到找到包含下划线的部分，再匹配到后续的逗号和城市名，确保不会跨地址匹配。

原正则失效原因 #

原正则中的.+是贪婪匹配，会尽可能多地抓取字符，直到遇到文本中靠后的逗号，导致第一个匹配结果覆盖了多个地址内容，最终只得到2个结果。改用精准匹配下划线结构或非贪婪模式，就能限制匹配范围，得到正确的3个地址。

内容的提问来源于stack exchange，提问作者Dave