如何用正则表达式精准提取字符串中的REVDATE值

问题分析 #

你目前用的正则表达式 ((?<=REVDATE=).*(?=[^>])) 之所以会带出一堆多余的HTML标签内容，是因为.*会贪婪匹配从REVDATE=开始的所有字符，直到遇到第一个非>的字符——而你的字符串里REVDATE后面紧跟着的是>（也就是转义的>），所以匹配范围被拉长，把后面的标签也包含进来了。

直接有效的解决方案 #

既然你的目标日期是固定的8位数字（YYYYMMDD格式），直接精准匹配这8位数字就好，用这个正则：

(?<=REVDATE=)\d{8}

简单解释下这个正则的逻辑 #

• (?<=REVDATE=)：这是正向零宽断言，用来确认我们要提取的内容前面一定是REVDATE=，但不会把这几个字符包含到最终结果里。
• \d{8}：专门匹配8个连续数字，正好对应你的日期格式，完美避开后面的转义符和标签内容。

用这个正则跑你的字符串，就能得到你想要的结果：['20200905','20200905','20200905']。

如果之后遇到日期格式有变动的情况（比如不是严格8位），也可以改成匹配到下一个>之前的内容，写法是 (?<=REVDATE=)[^>]+，不过就你的当前场景来说，\d{8}是最精准高效的选择。

内容的提问来源于stack exchange，提问作者Samtech