如何优化正则提取电影记录中ID与可选年份/类型间的标题内容

优化后正则 #

^(\d+),\s*"?([^"]*?)"?\s*(?:\((\d{4})\))?\s*,(.*)$

默认4个捕获组依次对应：电影ID、电影标题、上映年份（无年份则为空）、电影类型，你可根据需求调整分组规则。

正则逻辑说明 #

• ^(\d+)：匹配行首的数字ID，作为第一个捕获组
• ,\s*"?：匹配ID后的分隔逗号，跳过后续可能存在的空格、包裹标题的双引号前缀
• ([^"]*?)：非贪婪匹配标题内容，遇到双引号就终止匹配，既适配双引号包裹的标题行，也不会误把标题内部的小括号内容识别成年份
• "?\s*：匹配包裹标题的双引号后缀，以及后续可能存在的空格
• (?:\((\d{4})\))?：可选匹配年份段，只有括号内是4位数字的内容才会被识别为年份，年份值为第三个捕获组，外层加非捕获标记避免产生多余分组
• \s*,：匹配年份后的空格、分隔标题与类型字段的逗号
• (.*)$：匹配行尾所有类型字段内容，作为第四个捕获组

测试用例匹配验证 #

针对你提供的测试数据，匹配结果完全符合预期：

补充说明 #

如果你的数据中存在标题本身包含4位数字括号（非年份）的场景，可以将正则调整为优先匹配靠近类型分隔逗号的4位括号，修改后正则如下：

^(\d+),\s*"?(.*?)"?\s*(?:\((\d{4})\))?\s*,(.*)$

如果CSV字段存在更复杂的转义场景，更建议使用专用的CSV解析库处理，稳定性优于正则匹配。

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