如何编写正则表达式提取编号后的姓名并避免误匹配？

给定待处理字符串：

"1. Sachin Deshpande 2. K. Chandra Shekar 3. B. Rupesh 1. Prabhakar Rao 2. Venkata Chary 3. B. Gangadhar"

之前使用的正则(?:[0-9][).])+(\D*)存在误匹配问题，比如会错误提取raj sharma 4) mirror ship中4)后的内容。可以使用以下更精准的正则表达式解决：

(?<!\S)\d[.)]\s*(.*?)(?=\s*(?:\d[.)]|$))

正则各部分说明 #

• (?<!\S)：负向零宽断言，确保编号（数字+.或)）的前面没有非空白字符，保证编号是列表项的起始（要么在字符串开头，要么前面是空格），避免匹配嵌入在文本中间的编号。
• \d[.)]：匹配列表项的编号格式（数字后接.或)）。
• \s*：匹配编号与姓名之间的任意空白字符。
• (.*?)：非贪婪模式匹配姓名内容，避免过度匹配到后续的列表项。
• (?=\s*(?:\d[.)]|$))：正向零宽断言，匹配到下一个列表项编号（前置任意空白）或字符串结尾时停止，确保每个姓名只提取到当前项的结尾。

示例代码（Python） #

import re

input_str = "1. Sachin Deshpande 2. K. Chandra Shekar 3. B. Rupesh 1. Prabhakar Rao 2. Venkata Chary 3. B. Gangadhar"
name_pattern = r'(?<!\S)\d[.)]\s*(.*?)(?=\s*(?:\d[.)]|$))'
name_list = re.findall(name_pattern, input_str)
print(name_list)

输出结果 #

["Sachin Deshpande","K. Chandra Shekar","B. Rupesh","Prabhakar Rao","Venkata Chary","B. Gangadhar"]

这个正则只会提取以标准编号格式开头的列表项姓名，不会误匹配嵌入在文本中间的编号内容。

内容的提问来源于stack exchange，提问作者supernova