正则匹配提取指定分组失败：如何获取EDIFACT文本中的日期

首先直接回答你的疑问：没错，re.search()（或者re.match()）会返回一个带.group()方法的匹配对象，能直接提取指定分组；而re.findall()的行为是返回所有捕获分组的内容集合，这也是你当前遇到问题的核心原因。

问题分析 #

你的正则表达式^((?:INV)\+(?:[^+\n]*\+){4})\d{8}存在两个关键问题：

1. 目标日期\d{8}没有被放进捕获分组，反而把前面的INV+...+部分放在了分组1中
2. re.findall()默认会返回所有捕获分组的内容，所以你得到的是前面的前缀字符串，而不是想要的日期

解决方案1：调整正则，用re.findall()直接提取日期 #

修改正则，把日期部分设为唯一的捕获分组，前面的前缀用非捕获分组（(?:...)）包裹，这样findall()会直接返回所有匹配的日期：

import re

# 调整后的正则：仅捕获日期部分
regex = r"^INV\+(?:[^+\n]*\+){4}(\d{8})"
with open("test edifakt 1 bk v1.txt", "r") as f:
    result = re.findall(regex, f.read(), re.MULTILINE)

# 如果文件中只有一个目标日期，取列表第一个元素即可
if result:
    print(result[0])  # 输出：20080702

解决方案2：用re.search()提取单个匹配日期 #

如果你只需要提取第一个出现的目标日期，re.search()会更直观，它返回匹配对象后可以直接通过.group(1)获取日期分组：

import re

regex = r"^INV\+(?:[^+\n]*\+){4}(\d{8})"
with open("test edifakt 1 bk v1.txt", "r") as f:
    content = f.read()

match_obj = re.search(regex, content, re.MULTILINE)
if match_obj:
    print(match_obj.group(1))  # 直接输出目标日期：20080702

为什么之前的代码报错？ #

• 你调用result.group(0)时报错，是因为re.findall()返回的是字符串列表，列表没有.group()方法，这个方法属于re.Match对象
• 把group(0)传入re.findall()自然会报错，因为group不是一个预定义的变量，它是匹配对象的专属方法

内容的提问来源于stack exchange，提问作者skdadle