Python如何提取字符串首个数字前的内容以获取国家名称

匹配逻辑 #

观察所有文本行的共性特征：国家名称后必然跟随两类分界符之一：

1. 空格+数字（整数/浮点数都适用）
2. 空格+横杠-
   只要提取每行开头到第一个分界符之前的内容，即可得到完整国家名。

不同工具实现方案 #

1. 通用正则表达式规则

核心匹配规则（支持所有兼容PCRE正则的工具）：

^(.+?)(?=\s*\d|\s+-)

2. 终端快速处理（grep实现）

直接读取文本文件提取的命令：

grep -oP '^(.+?)(?=\s*\d|\s+-)' 目标文件名.txt

执行后输出结果：

United States of America
United Kingdom
Russia

3. Python代码实现

import re

text_lines = [
    "United States of America 1999 - some text here",
    "United Kingdom 2001.1 - some more text here",
    "Russia - Some extra text here"
]
match_rule = r'^(.+?)(?=\s*\d|\s+-)'
for line in text_lines:
    country_name = re.match(match_rule, line).group(1)
    print(country_name)

国家名对应中文通用译法 #

• 美国（全称为美利坚合众国）
• 英国（全称为大不列颠及北爱尔兰联合王国）
• 俄罗斯（全称为俄罗斯联邦）

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