如何用正则匹配(\d月|\d日)后到串尾的最短子串且不包含起始匹配词

问题根因 #

之前尝试的所有正则写法，默认匹配的都是字符串中第一个出现的\d月|\d日片段，没有满足返回子串长度最短的要求。要拿到最短的目标后缀，本质是需要定位到字符串里最后一次出现\d月|\d日的位置，截取该匹配段结束后到字符串末尾的内容即可。

可行实现 #

方案1：纯正则贪婪匹配写法 #

利用正则默认的贪婪匹配特性，直接定位到最后一个符合规则的日期片段，捕获其后的所有内容：

import re

str1 = "秋天9月9日长江工程完成"
str2 = "秋天9月9日9日长江工程完成"

# 正则规则
pattern = r'.*(?:\d月|\d日)(.*)'

print(re.search(pattern, str1).group(1)) # 输出：长江工程完成
print(re.search(pattern, str2).group(1)) # 输出：长江工程完成

规则说明：

• 开头的.*为贪婪匹配模式，会尽可能向后匹配字符，直到碰到字符串中最后一个满足\d月|\d日的片段才停止，保证定位到最靠后的日期标记
• (?:\d月|\d日)为非捕获组，匹配最后一个日期片段，本身不会作为单独结果返回
• 末尾的(.*)捕获日期片段结束后到字符串末尾的所有内容，即为目标结果

方案2：匹配位置切片写法 #

逻辑更直观，先拿到所有匹配\d月|\d日的位置，取最后一个匹配的结束下标直接对原字符串切片，容错性更高：

import re

def extract_target_suffix(content: str) -> str:
    all_matches = list(re.finditer(r'\d月|\d日', content))
    # 无匹配场景可按需调整返回值
    if not all_matches:
        return ""
    last_match_end_pos = all_matches[-1].end()
    return content[last_match_end_pos:]

# 测试
str1 = "秋天9月9日长江工程完成"
str2 = "秋天9月9日9日长江工程完成"
print(extract_target_suffix(str1)) # 输出：长江工程完成
print(extract_target_suffix(str2)) # 输出：长江工程完成

之前写法错误说明 #

• r'(\d月|\d日).*'：从第一个匹配的日期片段开始截取，会包含后续的其他日期片段，不符合要求
• 带负向前瞻的两种写法：本质还是在定位第一个出现的日期片段，没有找到最靠后的匹配位置，因此只能返回9月这类错误结果

内容的提问来源于stack exchange，提问作者4daJKong