Python正则匹配.doc文件日期模式仅返回首个匹配结果如何解决

核心问题 #

• 代码调用的re.search()方法仅会返回文本中第一个符合正则规则的匹配结果，后续所有符合规则的匹配项都不会被捕获，后续判断mo.group() in line本质是仅搜索包含第一次匹配内容的行，自然无法输出其他符合规则的结果
• 原逻辑先全局匹配再逐行核对的设计冗余，可直接逐行做正则校验，避免遗漏匹配项

修复后代码 #

假设lines变量已经是你解析.doc文件后得到的按行拆分的文本列表，修复后代码如下：

import re

# 可根据实际需要匹配的日期格式调整正则规则
date_pattern = re.compile(r'[a-zA-Z]+\s+\d{2,4}')

for index, line in enumerate(lines):
    # 逐行校验是否存在匹配项
    if date_pattern.search(line):
        # 取当前匹配行往前3行的起始下标，避免下标越界
        start_index = max(0, index - 3)
        # 仅输出匹配位置之前的3行就把end_index设为index，原代码逻辑是输出前后3行，可按需调整
        end_index = min(index + 3, len(lines))
        print("".join(lines[start_index:end_index]))

可选优化 #

如果你要匹配的日期存在跨两行的情况，可通过全局匹配+位置映射的方式避免遗漏：

import re

date_pattern = re.compile(r'[a-zA-Z]+\s+\d{2,4}')
# 先拿到全文所有匹配项
all_matches = list(date_pattern.finditer(string))
# 预计算每行的起始字符位置，用于匹配位置转对应行号
line_pos_mapping = [0]
for line in lines:
    line_pos_mapping.append(line_pos_mapping[-1] + len(line))

for match in all_matches:
    match_start = match.start()
    # 匹配位置对应行号
    line_num = next(idx for idx, pos in enumerate(line_pos_mapping) if pos > match_start) - 1
    start_index = max(0, line_num - 3)
    end_index = min(line_num + 3, len(lines))
    print("".join(lines[start_index:end_index]))

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