正则表达式如何精准提取两个分隔符之间的目标字符串

问题背景 #

• 待处理字符串样例：[Radius: 4000 mi.] -- 61362 -- Spring Valley, IL, US
• 提取目标：Spring Valley, IL
• 原有规则问题：使用(?<=--)(.*?)(?=\, US)匹配时，会命中第一个--后的所有内容，带入61362 --这类冗余前缀，无法得到正确结果。

可用正则规则 #

方案1（易读易维护，推荐） #

正则表达式：

--\s*(.*?)(?=, US$)

使用时取第1个捕获组的内容即可。
规则说明：

• 给后置匹配的, US增加字符串结束锚定符$，确保匹配的是字符串最末尾的国家后缀，不会提前匹配到其他位置的同文字段
• 非贪婪匹配逻辑会自动定位到离末尾, US最近的一个--分隔符作为匹配起点，自动跳过前面的半径值、编号等冗余内容
• \s*用于兼容--后可能存在的空格字符，避免多余空格被带入提取结果

方案2（纯零宽断言，匹配结果直接为目标内容） #

正则表达式：

(?<=-- )(?:(?! -- ).)*(?=, US$)

规则说明：

• 前置零宽断言定位-- 分隔符位置
• 中间加负向预查(?! -- )，确保匹配的内容段里不会再出现--分隔符，天然锁定最后一个分隔符后的地址段
• 后置零宽断言锚定末尾的, US，整个匹配结果不需要额外处理分组，直接就是目标文本

原有规则失效原因 #

原规则的前置断言(?<=--)只校验当前位置前是否为--，字符串中第一个--（半径字段后的分隔符）也满足该条件，非贪婪匹配会从第一个符合前置条件的位置开始抓取，自然会把中间的编号段、第二个--都带入匹配结果。

内容的提问来源于stack exchange，提问作者Xander