如何编写Regex按行尾字符串条件分组匹配提取对应姓名

你写的正则([US]$)([A-Z][a-z]+)无法生效的核心原因有3个：

• 匹配顺序颠倒：正则默认按文本从左到右的顺序匹配，你的目标文本里姓名在行首、US标记在行尾，你把匹配US的规则放在前面、匹配姓名的规则放在后面，永远无法命中对应内容
• 字符类用法错误：[US]代表匹配单个字符（匹配U或者S其中一个），并非匹配字符串US
• 规则缺失：没有匹配姓名和居住地之间的: 分隔符，也没有适配姓名是「名+姓」两个单词的结构；如果不开启多行匹配模式，$只会匹配整个文本的最末尾，无法匹配每一行的行尾。

首先需要在正则匹配时开启多行匹配模式（Python中对应re.M/re.MULTILINE标志），使用如下正则即可提取所有居住地为US的人员姓名：

^([A-Za-z ]+): US$

各部分规则说明：

• ^：在多行模式下匹配每一行的开头
• ([A-Za-z ]+)：捕获组，匹配行首到冒号前的所有英文字母和空格，也就是你需要的姓名内容
• : US：匹配姓名后固定的分隔符+目标居住地标记
• $：在多行模式下匹配当前行的行尾

Python调用示例 #

import re

dataset = """Mark Samson: CA
Sam Smith: US
Dawn Watterton: CA
Neil Shughar: CA
Fennial Fontaine: US"""

# 开启多行匹配模式，提取所有符合条件的姓名
us_residents = re.findall(r"^([A-Za-z ]+): US$", dataset, flags=re.M)
print(us_residents)
# 输出: ['Sam Smith', 'Fennial Fontaine']

如果你的数据集里姓名可能包含点、连字符等特殊字符，可以把姓名匹配部分换成更通用的(.+)，写成^(.+): US$，只要姓名本身不包含冒号就不会出现匹配错误。

内容的提问来源于stack exchange，提问作者124C41