正则表达式提取时段、标题与日期时遇数字干扰的问题求助

问题原因 #

1. 时段分隔匹配宽泛：原正则用[\s\D\s]+匹配两个时段之间的内容，虽能匹配" to "，但规则过于宽泛，易引发正则回溯，且未明确限定时段间的固定分隔逻辑。
2. 换行匹配限制：原正则的标题捕获组(.+)默认不匹配换行符，示例1包含换行，导致无法覆盖换行后的内容，最终匹配不到末尾日期。
3. 贪婪匹配干扰：(.+)的贪婪特性会尽可能多捕获内容，可能将日期前的其他字段纳入标题组，导致日期无法正确提取。

修正后的正则表达式 #

^([0-9]{1,2}:?[0-9]{0,2}[a-z]{0,2})\s+to\s+([0-9]{1,2}:?[0-9]{0,2}[a-z]{0,2}),\s*([^,]+).*?(\s*(?:\w{1,2} de [\wç]+ de \d{4}|\w+ \d{1,2}, \d{4}))$

关键修改点 #

• 精准匹配时段分隔：将[\s\D\s]+替换为\s+to\s+，明确匹配时段间的固定分隔符" to "，避免不必要的回溯。
• 兼容换行内容：使用.*?非贪婪匹配覆盖换行后的所有内容，确保能捕获到末尾的日期字段。
• 精准提取标题：用[^,]+匹配第一个逗号后的标题字段（若标题包含逗号，可改为[\s\S]+?非贪婪模式），避免贪婪匹配吞掉后续内容。
• 合并日期格式：用非捕获组(?:...)整合两种日期格式，确保无论哪种格式都能正确捕获。

匹配结果验证 #

• 示例1匹配结果：
  1. 第一个时段：1:30pm
  2. 第二个时段：4:30pm
  3. 标题：Aniversário amigo matteo
  4. 日期： November 23, 2022
• 示例2匹配结果：
  1. 第一个时段：8am
  2. 第二个时段：9:30am
  3. 标题：All Hearts meeting
  4. 日期： November 21, 2022

内容的提问来源于stack exchange，提问作者Ana Maria Gonzalez Montoya