如何改进正则表达式以从紧凑字符串提取多类身份及地址信息

直接用下面的正则表达式就能一次性提取所有需要的字段：

r"([A-Z][a-z]+)([A-Z][a-z]+)([1-9]\d{10})(\+372\s\d{8})(\d{2}-\d{2}-\d{4})(.*)"

各部分匹配逻辑： #

• ([A-Z][a-z]+)：匹配名字，严格遵循大写字母开头，后跟任意数量小写字母的规则，刚好捕获Priit；
• 第二个([A-Z][a-z]+)：匹配姓氏，和名字规则完全一致，捕获Pann；
• ([1-9]\d{10})：匹配11位身份证号，确保第一位不为0，捕获39712047623；
• (\+372\s\d{8})：精确匹配带区号的电话号码，锁定+372后跟空格和8位数字的格式，捕获+372 56887364；
• (\d{2}-\d{2}-\d{4})：匹配dd-mm-yyyy格式的出生日期，捕获02-12-1998；
• (.*)：匹配剩余所有内容作为地址，捕获Oja 18-2,Pärnumaa,Are。

验证提取结果 #

用Python测试的代码示例：

import re

target_str = "PriitPann39712047623+372 5688736402-12-1998Oja 18-2,Pärnumaa,Are"
pattern = r"([A-Z][a-z]+)([A-Z][a-z]+)([1-9]\d{10})(\+372\s\d{8})(\d{2}-\d{2}-\d{4})(.*)"
match_result = re.match(pattern, target_str)
if match_result:
    print(match_result.groups())

输出结果：
('Priit', 'Pann', '39712047623', '+372 56887364', '02-12-1998', 'Oja 18-2,Pärnumaa,Are')
完全符合预期要求。

问题根源说明 #

你之前的正则只覆盖了身份证、电话、出生日期三个字段，没处理名字姓氏的拆分逻辑；而^[^0-9]*会把开头所有非数字内容（PriitPann）一次性匹配，无法拆分两个独立的姓名部分。用[A-Z][a-z]+逐个匹配大写开头的小写序列，刚好能精准拆分名字和姓氏——因为两者都是独立的「大写开头+小写后缀」结构，连在一起时能被两个表达式分别捕获。

内容的提问来源于stack exchange，提问作者QLimbo