如何调整re.compile正则规则以支持匹配带可选字段的多种文本变体

你需要把Line、Seq两个匹配段标记为可选，同时修正原正则末尾多余引号的语法错误，即可兼容所有要求的格式变体。

修改后代码 #

直接替换原re.compile对应的正则规则即可，后续的匹配、写入逻辑不需要改动：

pattern = re.compile(r"([a-zA-Z]+[0-9]+)(?: Line ([0-9]+))?(?: Seq ([0-9]))? ([0-9]+/[0-9]+/[0-9]+)")
matches = pattern.finditer(body)
writer.writerows(map(lambda m: m.groups(), matches))

注：原正则末尾存在多余双引号的笔误会导致编译失败，修改时已同步修正。

兼容格式 #

修改后的规则可正常识别三类目标内容：

• 完整格式：ABC123456 Line 10 Seq 1 1/1/2022
• 仅缺Seq：ABC123456 Line 10 1/1/2022
• 缺Line和Seq：ABC123456 1/1/2022

规则说明 #

• 用(?:...)?非捕获可选组包裹Line、Seq整段内容（包含段前的空格），表示该段可以出现0次或1次，不会因为段缺失导致空格匹配失败
• 保留原有捕获组的顺序：
  • 匹配完整格式时，返回结果为('ABC123456', '10', '1', '1/1/2022')
  • 匹配缺省Seq的格式时，Seq对应捕获位返回None，结果为('ABC123456', '10', None, '1/1/2022')
  • 匹配缺省Line、Seq的格式时，Line、Seq对应捕获位均返回None，结果为('ABC123456', None, None, '1/1/2022')

可选优化 #

如果实际场景中Seq编号可能出现多位数字，可以把规则里Seq部分的([0-9])改成([0-9]+)，适配更长的Seq值。

内容的提问来源于stack exchange，提问作者LaunchCoder33