正则匹配排除末尾指定字符 提取HTML页面中符合规则的数字序列

你之前使用的正则存在两个核心问题：

• 用$锚定了行尾，只能匹配数字处于整行最末尾的场景，无法匹配数字后接<br>这类非行尾内容的条目
• 负向后顾的写法逻辑不符合排除数字后接#的需求

调整后的正则 #

: (\d{4,9})(?![#\d])

规则说明 #

• : 匹配目标数字前的固定前缀
• (\d{4,9}) 捕获符合长度要求的4-9位连续数字，作为提取结果
• (?![#\d]) 负向前瞻约束：捕获的数字后不能紧跟#或者其他数字，既避免截断更长的数字串，也实现了排除末尾带#条目的需求，数字后接换行、HTML标签等其他非#内容均可正常匹配

调用示例 #

import re

input_str = """test: 11111###
test: 222222
test: 3333333<br>"""

res = re.findall(r': (\d{4,9})(?![#\d])', input_str)
print(res) # 输出：['222222', '3333333']

内容的提问来源于stack exchange，提问作者imandy