如何限定正则仅提取RID: RSS-130及ACQT后对应记录的指定内容？

核心思路 #

先锁定RID: RSS-130的专属记录块，再在块内匹配ACQT节点后的目标字段，通过非贪婪匹配限制范围，避免跨记录匹配。

适配后正则规则 #

需要搭配单行匹配模式（让.可匹配换行符）使用：

RID:\s+RSS-130.*?PROC DATE:\s*(\w+).*?ACQT.*?T PUR\s*([0-9,]+)\s*([0-9,]+)

规则说明 #

• 开头RID:\s+RSS-130：限定仅匹配目标RID的记录
• .*?：非贪婪匹配任意字符，确保匹配范围不会超出当前记录块，不会命中后续其他RID的内容
• 中间加入ACQT关键字校验：确保只提取ACQT节点之后出现的T PUR数值
• 三个捕获组分别对应目标内容：PROC DATE后的日期值、T PUR行第一个数值、T PUR行第二个数值

Python实现示例 #

import re

# 读取目标文本文件
with open("你的结构化文件路径.txt", "r", encoding="utf-8") as f:
    text_content = f.read()

# 编译正则，开启re.S（单行匹配模式）
extract_pattern = re.compile(
    r"RID:\s+RSS-130.*?PROC DATE:\s*(\w+).*?ACQT.*?T PUR\s*([0-9,]+)\s*([0-9,]+)",
    flags=re.S
)

# 提取结果并格式化
result = extract_pattern.findall(text_content)
format_result = [f"({';'.join(item)})" for item in result]

# 输出结果：[(15SEP21;120;12,263,518)]
print(format_result)

优化可选方案 #

如果你的文件里单条RID记录的结束标识是固定的（比如下一个RID:开头），也可以在正则末尾加前瞻断言进一步缩小匹配范围，避免极端场景下的跨记录匹配：

RID:\s+RSS-130.*?PROC DATE:\s*(\w+).*?ACQT.*?T PUR\s*([0-9,]+)\s*([0-9,]+).*?(?=\nRID:|\Z)

内容的提问来源于stack exchange，提问作者Max