如何合并多Regex从含空白符的文本中提取人员属性

一、合并正则提取方案 #

假设你的数据结构是姓名行紧跟性别+生日行（中间可能夹杂任意空白符：换行、制表符、空格），可以直接把两个正则逻辑合并成一个，一次性捕获姓名、性别、出生日期三个字段：

合并后的正则表达式 #

\tName\t([A-Za-z\s\.\']+)\s+Gender\t([A-Za-z]+)\s+Date\sOf\sBirth\t([\d\-]+)\s+

• \s+ 用来匹配姓名行和性别行之间的任意空白（包括换行、多余制表符/空格），兼容数据里的格式混乱
• 三个分组分别对应：姓名、性别、出生日期

代码示例（Python） #

import re

# 替换成你的原始数据文本
raw_data = """
\tName\tJohn Doe\nGender\tMale\tDate Of Birth\t1990-05-15\n
\tName\tJane O'Connor\nGender\tFemale\tDate Of Birth\t1985-11-20\n
"""

# 编译正则，匹配所有符合的人员信息
pattern = re.compile(r'\tName\t([A-Za-z\s\.\']+)\s+Gender\t([A-Za-z]+)\s+Date\sOf\sBirth\t([\d\-]+)\s+')
results = pattern.findall(raw_data)

# 遍历输出结果，strip() 清理姓名可能带的首尾空白
for name, gender, dob in results:
    print(f"姓名: {name.strip()}, 性别: {gender}, 出生日期: {dob}")

二、改进的逐行处理方案（告别冗长if） #

如果正则对你来说不太好维护，完全可以回到逐行读取，但用临时字典+状态记录的方式简化代码，不用一堆嵌套if：

代码示例（Python） #

people_list = []
current_person = {}

with open('your_data_file.txt', 'r', encoding='utf-8') as f:
    for line in f:
        stripped_line = line.strip()
        # 跳过空行
        if not stripped_line:
            continue
        
        # 匹配姓名行，初始化当前人员字典
        if stripped_line.startswith('Name\t'):
            parts = stripped_line.split('\t')
            current_person['name'] = parts[2].strip()
        
        # 匹配同时包含性别和生日的行，完成当前人员记录并保存
        elif 'Gender\t' in stripped_line and 'Date Of Birth\t' in stripped_line:
            parts = stripped_line.split('\t')
            current_person['gender'] = parts[1]
            current_person['dob'] = parts[3]
            people_list.append(current_person.copy())
            current_person.clear()

# 查看提取结果
for person in people_list:
    print(person)

这个逻辑很清晰：遇到姓名行就开始记录，遇到性别+生日行就把当前人员信息存入列表，清空临时字典准备下一条记录，全程只有两个判断分支，完全不会冗长。

方案选择建议 #

• 如果数据格式完全固定（每个人员的姓名、性别生日行严格对应），用正则方案更高效，代码行数更少
• 如果数据可能存在格式波动（比如偶尔某行多了空格、字段顺序临时变动），用改进后的逐行处理更稳妥，可读性和可维护性更强

内容的提问来源于stack exchange，提问作者AkaiTaiyou