正则表达式匹配日期串时误捕超4位数字串，如何修正？

原正则表达式\d{2,4}-\d{1,2}-\d{1,2}的问题在于：它没有限制第一个数字段的前后边界，会从更长的数字串（比如055826）中截取前2-4位数字，再结合后面的-00-07形成错误匹配。

两种可行的修正方案： #

方案1：使用单词边界限制独立匹配

\b\d{2,4}-\d{1,2}-\d{1,2}\b

\b是单词边界，会确保整个匹配串是一个独立的“单词”——前后不能是字母、数字或下划线，避免从长数字串中截断出符合长度的片段。

方案2：使用断言精准排除前后数字

(?<!\d)\d{2,4}-\d{1,2}-\d{1,2}(?!\d)

• (?<!\d)：反向否定断言，确保匹配位置前面没有数字
• (?!\d)：正向否定断言，确保匹配位置后面没有数字
  这种方案比单词边界更严格，即使匹配串前后是其他非数字字符（比如中文、符号）也能正常匹配，同时彻底杜绝长数字串的截断匹配。

Python代码示例 #

import re

# 测试文本
test_text = "需要提取的目标串是1950-24-12，错误匹配的串是055826-00-07"

# 使用断言方案的正则
pattern = r'(?<!\d)\d{2,4}-\d{1,2}-\d{1,2}(?!\d)'
matches = re.findall(pattern, test_text)

print(matches)  # 输出: ['1950-24-12']

内容的提问来源于stack exchange，提问作者John kishore