如何在Python中用正则匹配并提取字符串指定可变部分？

问题说明 #

给定输入文本：

SCOPE OF WORK: Supply &  Flensburg House, MMDA Colony,     PAN#: AAYCS8310G
installation Arumbakkam,Chennai,Tamil Nadu,
  xxxxxx

其中可变部分为：

Flensburg House, MMDA Colony,

和

Arumbakkam,Chennai,Tamil Nadu,

可变内容允许包含字母、数字、逗号、#、-、_，其余部分（含空格）固定不变。

当前使用的正则表达式存在问题：

SCOPE OF WORK: Supply &  [A-Za-z,\s]]*PAN#: [A-Z]{5}[0-9]{4}[A-Z]{1}\n    installation [A-Za-z]\n      xxxxxx

需要修正正则以提取目标内容：

Flensburg House, MMDA Colony,     
installation Arumbakkam,Chennai,Tamil Nadu,

问题分析 #

当前正则的核心问题：

• 字符集 [A-Za-z,\s]]* 存在语法错误（多了一个闭合方括号）
• 第一个可变部分的字符集未覆盖允许的数字、#、-、_
• 第二个可变部分仅匹配单个字母，无法匹配完整内容
• 换行和空格的匹配逻辑不符合原文本结构

修正后的正则表达式 #

使用捕获组精准提取两个可变部分：

SCOPE OF WORK: Supply &  ([A-Za-z0-9,#\-_\s]+)PAN#: [A-Z]{5}[0-9]{4}[A-Z]\ninstallation ([A-Za-z0-9,#\-_\s]+)\n  xxxxxx

关键调整 #

• 修复字符集语法错误，移除多余的 ]
• 扩展字符集，加入数字、#、-、_（- 转义避免被解析为范围符）
• 用 + 替代 *，确保可变部分非空
• 为两个可变部分分别设置捕获组，便于后续提取拼接
• 严格匹配原文本的换行和空格结构

提取结果处理 #

捕获到两个分组后，按目标格式拼接：

{捕获组1内容}     
installation {捕获组2内容}

内容的提问来源于stack exchange，提问作者Mihir Sanjay