西弗吉尼亚州法律引文格式正则匹配问题及优化求助

原有正则问题排查 #

• 空格匹配符号书写错误：你写的/s?是无效语法，正确的空白符匹配应该是\s，这会直接导致带空格的州名格式匹配失败
• 章节编号规则僵化：原有规则要求法条编号的第一段必须是「数字+字母」的组合，无法匹配53-4A-7这类第一段为纯数字的编号，这是无法匹配最后一组样例的核心原因
• Code后缀匹配不完整：原有Code Ann的规则只覆盖了带点的Ann.格式，未覆盖不带点的Ann写法
• 编号匹配范围过窄：原有规则仅支持法条最后一段为1位数字，无法匹配多数字的编号场景
• 分组冗余：大量重复的可选规则可以用更简洁的量词简化，降低正则复杂度

优化后正则表达式 #

(?:W\.?\s*Va\.?|West\.?\s*Virginia)\s*Code(?:\s+Ann\.?)?\s*(?:§|§|§|sect\.?|section)\s*(\d+[A-Za-z]*(?:-\d+[A-Za-z]*)+)(?:\([a-z]\))?

如果需要适配大小写混合的写法，可以在正则末尾加i修饰符。

优化说明 #

• 州名部分用非捕获组合并了所有缩写/全写的可选格式，\.?\s*自动适配有无空格、有无句点的写法，覆盖所有样例中的州名格式
• 法条前缀部分Code(?:\s+Ann\.?)?自动适配Code、Code Ann、Code Ann.三种写法
• 章节编号部分\d+[A-Za-z]*(?:-\d+[A-Za-z]*)+适配「数字+可选字母」的分段规则，不管每段是纯数字还是带字母都能匹配，支持任意位数的数字
• 保留了所有HTML实体和纯文本的章节符号匹配规则，同时删除了无效的冗余字符
• 所有非必要捕获组都改为非捕获组，降低匹配内存消耗，仅保留编号本身为捕获组方便提取

匹配测试 #

上述正则可100%匹配你提供的所有样例：

• W. Va. Code Ann. § 24A-2-5(a)
• W.Va. Code § 15A-5-3
• W.Va.Code § 22B-3-1
• W. Va. Code § 15A-5-3
• West Virginia Code Ann § 53-4A-7(a)

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