正则分组匹配如何仅返回首个SKU匹配结果

问题背景 #

• 现有正则表达式由多个通过管道符分隔、包裹在括号内的子正则组成，目标提取字段为SKU
• 执行正则替换时会返回所有匹配到的SKU拼接值，预期仅返回第一个匹配的SKU结果

现有配置与问题复现 #

当前使用正则 #

((WEIGHT\s?\(KG\)[\n\s\D\d]*?(?'weightkg'\d+)\.?(?'weightdecimal'\d+))|(information\((?'sku'\d\d\D\D.+?\-?\d+?\D+?)\)))

待匹配源数据 #

WEIGHT(KG)
Set (with Stand)    5.3Set (without Stand)  3.1
ACCESSORY
HDMI    YesUSB  Yes (type C)
COMPLIANCE INFORMATION
Dismantling information(24BL650C-B) 
Dismantling information(24BL650C-BA) 
EU Energy label 2019(24BL650C-B)

异常返回结果 #

使用替换标记$sku执行替换后，返回结果为两个匹配到的SKU直接拼接：

24BL650C-B24BL650C-BA

已尝试的无效方案 #

曾尝试在SKU分组正则末尾添加惰性量词，将sku分组修改为可选匹配，写法如下：

((?'sku'\d\d\D\D.+?\-?\d+?\D+?)\))?

该写法表示匹配分组内容或空值，会返回大量空匹配结果，无法满足需求。

解决方法 #

问题根源是正则默认全局扫描全量文本，会捕获所有符合规则的SKU值。要仅获取第一个匹配的SKU，可通过修改正则结构，让全量文本仅完成一次匹配，命中第一个SKU后即覆盖剩余所有内容，不再向后捕获其他SKU：
修改后的正则如下：

^[\s\S]*?information\((?'sku'\d{2}\D{2}.+?-?\d+?\D+?)\)[\s\S]*$

修改逻辑说明：

• 开头添加^[\s\S]*?：从文本起始位置开始，以非贪婪模式匹配到第一个information(标识前的所有内容，确保命中的是全文第一个符合规则的SKU
• 保留原有SKU捕获分组的核心匹配逻辑，不改动原有SKU判定规则
• 末尾添加[\s\S]*$：匹配第一个SKU之后到文本结尾的全部剩余内容
• 替换时仍使用$sku作为替换标记，即可直接得到第一个匹配的SKU值，不会出现多个SKU拼接的问题

补充优化方案 #

如果你使用的正则引擎支持单次匹配模式（例如Python中使用re.search而非re.findall、JavaScript中不添加g全局修饰符），也可以不修改原有正则结构，直接使用单次匹配模式提取SKU分组，单次匹配默认只会返回第一个命中的捕获结果，不会扫描后续内容。

注意：不要为SKU分组添加可选量词?，可选匹配会让正则在每个字符扫描位置都将空值判定为有效匹配，必然产生大量无意义的空匹配结果。

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