正则表达式如何匹配含空格分隔词汇的邮件签名落款

你当前的实现有两个直接导致匹配失败的问题：

• 正则里硬编码只引用了language_keyword_footer的第0、第1个索引元素，数组中第三个关键词Thanks & Regards,根本没有进入匹配逻辑
• 多关键词并列匹配时没有做长度优先级处理，短关键词会优先命中截断长词：比如如果Thanks,的匹配顺序在Thanks & Regards,前面，遇到长落款时会在Thanks,位置就终止匹配，拿不到完整结果。

正则本身原生支持匹配带空格、&这类特殊字符的文本，不需要为空格单独写特殊匹配规则。

1. 调整关键词生成逻辑 #

不要硬编码数组索引，把所有footer关键词按「字符串长度从长到短」排序后，动态拼接成正则的或匹配组，从根源解决漏匹配、短词抢匹配的问题。
参考Python实现：

import re

keywords = {
    "en": {"header": ["From:", "Subject:"], "footer": ["Regards,", "Thanks,", "Thanks & Regards,"]}
}
# 落款关键词按长度倒序，保证长词优先匹配
sorted_footers = sorted(keywords["en"]["footer"], key=lambda x: len(x), reverse=True)
footer_match_part = "|".join(map(re.escape, sorted_footers))
# 完整正则：匹配落款关键词 + 后续签名内容，到空行/文本末尾停止
signature_re = re.compile(
    rf"({footer_match_part})(.*?)(?=\n\s*\n|$)",
    re.DOTALL | re.IGNORECASE
)

这里加re.escape是为了转义关键词里可能出现的正则特殊字符（比如未来加关键词带.、*之类的不会报错），加re.IGNORECASE可以兼容大小写变体比如thanks & regards,。

2. 匹配逻辑说明 #

• 终止边界用(?=\n\s*\n|$)比原来的(\S+(.*?))更稳定：邮件正文和落款之间通常会留空行，匹配到下一个空行（允许空行里有多余空格/制表符）或者文本末尾就停止，不会误吞正文内容。
• 后续扩展多语言、更多落款关键词时，只需要往对应语言的footer数组里加值即可，不需要修改正则主体逻辑。

用测试文本验证：

test_mail = """
Hi all,
Please review the updated document before EOD.

Thanks & Regards,
Zhang San
Product Manager
"""

result = signature_re.search(test_mail)
print(result.group(0).strip())

输出结果可以完整捕获目标落款和后续签名：

Thanks & Regards,
Zhang San
Product Manager

原有Thanks,、Regards两类场景的匹配也不会受影响。

内容的提问来源于stack exchange，提问作者iamsmnt