Python正则表达式可选匹配组问题：加州刑法条文解析优化

需求说明 #

需要从加州法律条文编号（如PC 182(A)(1)、VC 22517、MC 8.80.060(F)等格式）中提取以下字段：

• lawType：法律类型（两位大写字母，如PC/VC/MC）
• lawNumber：条文编号（允许数字、点号，结尾可带大写字母，如182、25400、369I、8.80.060）
• subsection：子章节（大写字母，如A/C/F）
• subsubsection：子子章节（数字，如1/6）

原实现用三个正则分别匹配不同格式的编号，现需合并为一个正则表达式完成所有匹配。

原正则问题分析 #

原尝试的正则(?P<lawType>[A-Z]{2})[ ](?P<lawNumber>[0-9.]*[A-Z]?)\((?P<subsection>[A-Z])\)?\((?P<subsubsection>[0-9])\)?无效，原因是仅将单个括号标记为可选，而非将(subsection)和(subsubsection)作为完整的可选组。当缺少子章节时，正则会尝试匹配单独的右括号，导致匹配失败。

优化后的正则表达式 #

(?P<lawType>[A-Z]{2}) (?P<lawNumber>[0-9.]*[A-Z]?)(?:\((?P<subsection>[A-Z])\))?(?:\((?P<subsubsection>[0-9])\))?

正则各部分解释 #

• (?P<lawType>[A-Z]{2})：匹配两位大写字母的法律类型
• ：匹配类型与编号之间的空格
• (?P<lawNumber>[0-9.]*[A-Z]?)：匹配条文编号，支持数字、点号，结尾可选大写字母
• (?:\((?P<subsection>[A-Z])\))?：非捕获组包裹完整的子章节结构(X)，?标记该组可选，匹配到的大写字母存入subsection字段
• (?:\((?P<subsubsection>[0-9])\))?：同理，非捕获组包裹子子章节结构(数字)，匹配到的数字存入subsubsection字段

完整Python代码示例 #

import re

lineValue = 'PC 182(A)(1); PC 25400(A)(1); PC 25850(C)(6); PC 32310; VC 12500(A); VC 22517; VC 23103(A)'
# lineValue = 'PC 148(A)(1); PC 369I; PC 587C; MC 8.80.060(F)'

chargeList = map(lambda x: x.strip(), lineValue.split(';'))
pattern = re.compile(r'(?P<lawType>[A-Z]{2}) (?P<lawNumber>[0-9.]*[A-Z]?)(?:\((?P<subsection>[A-Z])\))?(?:\((?P<subsubsection>[0-9])\))?')

for thisCharge in chargeList:
    m = pattern.match(thisCharge)
    if m:
        detail = m.groupdict()
        # 过滤未匹配到的空字段
        filtered_detail = {k: v for k, v in detail.items() if v is not None}
        print(filtered_detail)
    else:
        print(f'NO MATCH: {thisCharge}')

输出示例 #

运行代码后，所有格式的条文编号都会被正确匹配，输出类似：

{'lawType': 'PC', 'lawNumber': '182', 'subsection': 'A', 'subsubsection': '1'}
{'lawType': 'PC', 'lawNumber': '25400', 'subsection': 'A', 'subsubsection': '1'}
{'lawType': 'PC', 'lawNumber': '25850', 'subsection': 'C', 'subsubsection': '6'}
{'lawType': 'PC', 'lawNumber': '32310'}
{'lawType': 'VC', 'lawNumber': '12500', 'subsection': 'A'}
{'lawType': 'VC', 'lawNumber': '22517'}
{'lawType': 'VC', 'lawNumber': '23103', 'subsection': 'A'}

内容的提问来源于stack exchange，提问作者Evan Jones