正则表达式匹配结果复用问题：替换时如何拆分匹配数字段？

问题分析 #

你当前的正则\d{6}(?:.pdf)存在三个问题：

1. 非捕获组(?:...)不会保存匹配内容，没法在替换时复用；
2. .是正则通配符，需要转义成\.才能准确匹配文件名里的点；
3. 没有把6位数字拆分为「年（4位）」和「月（2位）」两个部分，无法实现插入横杠的需求。

解决方案 #

用捕获组把需要拆分的数字和后缀分别捕获，替换时引用捕获组内容即可：

核心正则与替换规则

• 正则表达式：(\d{4})(\d{2})(\.pdf)
  • (\d{4})：捕获前4位数字（年份）
  • (\d{2})：捕获后2位数字（月份）
  • (\.pdf)：捕获后缀.pdf（转义.避免匹配任意字符）
• 替换模板：根据不同工具/语言，用\1-\2\3或$1-$2$3引用捕获组，其中\1/$1对应年份，\2/$2对应月份，\3/$3对应.pdf

实际代码示例

Python 实现

import re
original_name = "AB_C_DE01FGHI0123456789_XXX_202201.pdf"
modified_name = re.sub(r'(\d{4})(\d{2})(\.pdf)', r'\1-\2\3', original_name)
print(modified_name)  # 输出：AB_C_DE01FGHI0123456789_XXX_2022-01.pdf

Shell（sed 命令）实现

echo "AB_C_DE01FGHI0123456789_XXX_202201.pdf" | sed -E 's/([0-9]{4})([0-9]{2})(\.pdf)/\1-\2\3/'

关键说明 #

捕获组是正则复用匹配内容的核心，用()包裹的内容会按顺序编号，替换时通过编号就能调用对应匹配片段。如果只需要匹配但不需要复用某部分内容，才用非捕获组(?:...)，这里我们需要拆分数字，所以必须用捕获组拆分年份和月份。

内容的提问来源于stack exchange，提问作者LVX