Python正则表达式提取日期：适配多类过期日期标签的问题

我来帮你搞定这个问题！你的原脚本主要有两个局限：一是只能匹配固定的"Expiration Date:"标识，没法覆盖"Expiry date"这类变体；二是面对带前缀的标识（比如"Registrar Registration Expiration Date:"）时，匹配逻辑不够灵活（原正则虽然能匹配到，但捕获内容的精准度和场景适配性不足）。

下面是调整后的完整解决方案：

1. 优化正则表达式 #

我们需要写一个能覆盖多种标识变体、适配带前缀场景，还能忽略大小写差异的正则（毕竟文本里可能出现全小写的"expiry date"）。

推荐的正则模式：

import re

# 核心正则：匹配多种过期日期标识，精准捕获后续日期
pattern = r'\bExpir(?:ation|y)\s+Date:\s*(.+)'
# 用IGNORECASE忽略大小写，自动适配"Expiry date"、"expiration DATE"等变体
dates = re.findall(pattern, w.text, re.IGNORECASE)

正则细节解释： #

• \b：单词边界，确保我们匹配的是完整的"Expiration"或"Expiry"单词，避免被其他包含这些字符的长单词干扰（比如"Expirations"）。
• Expir(?:ation|y)：非捕获分组，同时匹配"Expiration"和"Expiry"两种核心标识变体，精简正则结构。
• \s+：匹配一个或多个空格，处理标识里的空格差异（比如"Expiry date"和"Expiration Date"的空格都能适配）。
• Date:：匹配标识后的冒号，结合re.IGNORECASE后，自动兼容"date:"或"DATE:"的写法。
• \s*：匹配零个或多个空格，处理冒号和日期之间可能的空格（比如"Expiration Date: 2025"或"Expiry date:2024"都能匹配）。
• (.+)：捕获冒号后面的日期内容（如果日期可能跨换行，需要额外添加re.DOTALL标志）。

2. 适配更复杂的文本场景 #

如果你的文本里日期可能跨换行，或者标识后跟着其他无关文本，我们可以用非贪婪匹配+正向预查来精准截断：

# 适配跨换行、多文本混杂的场景
pattern = r'\bExpir(?:ation|y)\s+Date:\s*(.+?)(?=\s+\w+:|$)'
dates = re.findall(pattern, w.text, re.IGNORECASE | re.DOTALL)

这里的(.+?)(?=\s+\w+:|$)会只捕获到下一个标识开头（比如"Registrar:"）或文本结尾前的内容，避免把无关文本也当成日期捕获。

3. 测试示例 #

针对以下测试文本：

Registrar Registration Expiration Date: 2025-12-31
Expiry date: 2024-06-30
expiration DATE: 2023-09-15

使用优化后的正则，会精准捕获到：
['2025-12-31', '2024-06-30', '2023-09-15']

这样就完美覆盖了你提到的所有场景啦！

内容的提问来源于stack exchange，提问作者Ujjwal Pawar