如何用Python正则提取关键词前最近数字及对应文献片段

• 问题根源：原正则\d+?.*?BLAKE.*?\d{4}会匹配更早的序号，是因为.*?会忽略中间的其他数字序号，导致跨文献匹配。
• 修正后的正则（两种可选）：
  1. 基础修正版（确保序号是独立数字）：

     r'(?<!\d)\d+.*?BLAKE.*?\d{4}'
     

  2. 严谨版（强制序号到BLAKE之间无其他数字）：

     r'\d+(?:(?!\d).)*BLAKE.*?\d{4}'
     

• 关键细节解释：
  • (?<!\d)：反向否定预查，避免匹配数字序列的片段（比如把"16"从"10,16"里误拆出来）。
  • (?:(?!\d).)*：非捕获匹配组，遍历任意字符但禁止出现数字，确保序号是BLAKE之前最近的那个，不会跨文献抓取更早的序号。
  • .*?：非贪婪匹配，避免过度延伸到其他文献内容。

内容的提问来源于stack exchange，提问作者Les D