Python正则表达式提取发票中含连字符的姓名问题

问题分析 #

原正则存在两个核心问题：

• 正向预查(?<=Desired Name:\s{3}[A-Za-z])多匹配了姓名的第一个字符，导致结果丢失首字母（比如Friday变成riday）
• 正则仅允许匹配纯字母字符，未包含连字符-，无法覆盖带连字符的姓名部分（比如twk-test）

修正后的正则表达式 #

(?<=Desired Name:\s{3})[A-Za-z]+(?:\s[A-Za-z-]+){1,2}

正则规则说明 #

• (?<=Desired Name:\s{3})：正向预查，定位到Desired Name:后接3个空格的位置，不再额外匹配姓名首字符，避免丢失开头字母
• [A-Za-z]+：匹配姓名的第一个纯字母单词
• (?:\s[A-Za-z-]+){1,2}：非捕获组，匹配1-2个后续姓名部分，其中：
  • \s：匹配单词间的空格
  • [A-Za-z-]+：支持匹配包含字母和连字符的单词
  • {1,2}：满足姓名为2-3个连续单词的要求

Python 3.9 代码示例 #

import re

# 示例发票文本
invoice_content = "Desired Name:   Friday twk-test"
# 编译正则模式
name_pattern = re.compile(r'(?<=Desired Name:\s{3})[A-Za-z]+(?:\s[A-Za-z-]+){1,2}')
# 执行匹配
matched_name = name_pattern.search(invoice_content)

if matched_name:
    print("提取到的姓名：", matched_name.group())  # 输出：提取到的姓名： Friday twk-test
else:
    print("未匹配到有效姓名")

适配优化 #

如果发票中Desired Name:后的空格数量不固定（不一定是3个），可将\s{3}替换为\s+，适配任意数量的空白字符：

(?<=Desired Name:\s+)[A-Za-z]+(?:\s[A-Za-z-]+){1,2}

内容的提问来源于stack exchange，提问作者jh271104