如何仅通过正则表达式提取日期？修正正则匹配含多余字符问题

当前使用的正则表达式如下：

r'(?:\d{1,2}[-/th|st|nd|rd\s]*)?(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)?[a-z\s,.]*(?:\d{1,2}[-/th|st|nd|rd)\s,]*)+(?:\d{2,4})+'

需要处理的文本包含Due Date 23 September 2022、Dated 14 Sep 2022这类内容，目标是仅提取标准日期部分。实际运行时出现误匹配：处理Dated 14 Sep 2022时返回结果为ated 14 Sep 2022，把Dated中的ated字符也纳入了匹配范围，期望得到纯日期结果（如14 Sep 2022）。

原正则的两个设计缺陷导致了这个问题：

• 中间的[a-z\s,.]*是无约束贪婪匹配规则，会无限制捕获连续的小写字母、空格、逗号、句号，Dated中首字母大写的D不符合匹配规则，但后面的小写ated会被这段规则直接捕获
• 正则没有设置日期匹配的起始锚点，开头的日期数字、月份匹配段都加了可选标记?，匹配引擎会自动向前寻找符合规则的起始位置，最终匹配起点飘到了日期前的普通单词上

调整正则的匹配逻辑，严格按照「日期数字+月份+年份」的日期结构约束匹配规则，去掉宽泛无约束的匹配段，增加单词边界锚定，避免捕获无关字符。

• 如果需要同时支持月份缩写（如Sep）和全拼（如September），使用以下正则：

r'\b\d{1,2}(?:st|nd|rd|th)?[-/\s,]+(?:Jan(?:uary)?|Feb(?:ruary)?|Mar(?:ch)?|Apr(?:il)?|May|Jun(?:e)?|Jul(?:y)?|Aug(?:ust)?|Sep(?:tember)?|Oct(?:ober)?|Nov(?:ember)?|Dec(?:ember)?)[-/\s,]+\d{2,4}\b'

• 如果只需要匹配三个字母的月份缩写，和原正则的月份匹配范围保持一致，可以使用精简版本：

r'\b\d{1,2}(?:st|nd|rd|th)?[-/\s,]+(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[-/\s,]+\d{2,4}\b'

修正点说明：

• 用\b单词边界锚定日期的起止位置，从规则层面避免匹配到单词内部的字符
• 把日期数字作为强制匹配的起始锚点，匹配必须从1-2位的日期数字开始，不会再向前捕获无关字母
• 删除原正则中无约束的[a-z\s,.]*匹配段，用明确的分隔符规则[-/\s,]+连接日期、月份、年份三个部分，不会吞入无关字符
• 修正了原正则中序号后缀（st/nd/rd/th）的匹配逻辑，去掉了错误的|分隔符（原来的写法会把|当成普通字符匹配）

对给出的两个测试样例，修正后的正则匹配结果如下：

• 文本Due Date 23 September 2022匹配结果：23 September 2022
• 文本Dated 14 Sep 2022匹配结果：14 Sep 2022
  符合纯日期提取的预期。

内容的提问来源于stack exchange，提问作者Tanuj Kanda