正则表达式优化：匹配时排除特定场景下的末尾分组

首先，我来拆解你遇到的两个核心问题，然后给出针对性的解决方案：

1. 名称含数字时的金额误判问题 #

你的原正则中，金额匹配部分([0-9.]{1,8}[\. ][0-9.]{2})?的设计过于宽泛，它会把名称里的数字+空格/点+两位数字误识别为金额（比如TESCO UPT 123里的123 34会被当成金额，剩下的.90被单独捕获）。

要解决这个问题，我们需要明确金额是每条记录的倒数第二个核心字段（最后可能跟着参考号），所以应该用非贪婪匹配来捕获名称，直到遇到符合X.XX或X XX格式的金额。

针对单条交易记录，推荐使用这个字段拆分正则：

^([0-9]{1,2}[A-Za-z]{3}[0-9]{2}) ([A-Z]{2,3}) (.*?) (\d+(?:[. ]\d{2}))(?:\s*(.*))?$

正则各部分解释： #

• ([0-9]{1,2}[A-Za-z]{3}[0-9]{2})：匹配开头的交易日期（比如27Dec15）
• ([A-Z]{2,3})：匹配交易类型（比如DEB、FEE）
• (.*?)：非贪婪匹配交易名称，这部分会包含所有内容直到遇到后面的金额，完美支持名称含数字的场景（比如TESCO UPT 123）
• (\d+(?:[. ]\d{2}))：精准匹配金额，支持两种格式：16.27（点分隔）或6 91（空格分隔）
• (?:\s*(.*))?：可选匹配记录末尾的参考号或其他附加信息（比如123353443）

测试你的错误案例27Dec15 DEB TESCO UPT 123 34.90，会得到正确的拆分结果：

• 日期：27Dec15
• 类型：DEB
• 名称：TESCO UPT 123
• 金额：34.90
• 参考号：空

2. 前瞻逻辑的优化问题 #

你的原前瞻\n?(?![0-9]{1,2}[A-Za-z]{1,3}[0-9]{2})([0-9A-Z-\/ .]*)存在两个问题：

• \n?是可选换行，无法区分单行连续记录和换行分隔记录的边界
• 负前瞻(?![0-9]{1,2}[A-Za-z]{1,3}[0-9]{2})只是检查后面不是日期，但没有明确记录的结束位置

针对不同场景的优化方案： #

场景1：所有交易记录在同一行（如你的原始数据）

我们需要先把整行数据拆分成单条记录，再用上面的字段拆分正则处理。拆分单条记录的正则如下（全局模式g）：

([0-9]{1,2}[A-Za-z]{3}[0-9]{2}(?:(?!([0-9]{1,2}[A-Za-z]{3}[0-9]{2}))[\s\S])*)

这个正则会匹配从一个日期开始，到下一个日期之前的所有内容，精准拆分每条独立交易记录。

场景2：交易记录按换行分隔

如果每条记录单独占一行，可以把换行设为必填，并调整前瞻逻辑来确认记录边界，推荐使用带多行模式m的正则：

^([0-9]{1,2}[A-Za-z]{3}[0-9]{2}) ([A-Z]{2,3}) (.*?) (\d+(?:[. ]\d{2}))(?:\s*(.*))?(?=\n|$)

这里的(?=\n|$)是正前瞻，明确当前记录的结束位置是换行符或字符串结尾，确保不会跨记录匹配。

最终整合流程 #

1. 用拆分记录的正则把原始数据拆分成单条交易记录
2. 对每条记录用字段拆分正则提取日期、类型、名称、金额、参考号
3. 按你的预期格式拼接成带逗号分隔的结果

内容的提问来源于stack exchange，提问作者samiles