如何编写正则表达式提取UBICADO与COMUNA间的文本？

嘿，我来帮你搞定这个正则的问题！你原来的表达式((ubicado) =?).*的问题在于它是贪婪匹配，会从ubicado开始一直抓文本到结尾，根本不会停在comuna那里。而且也没考虑大小写的问题（比如示例里的Comuna是大写开头），所以得调整一下。

推荐的正则表达式方案 #

这里有两种简单好用的写法，都能满足你的需求：

方案1：用捕获组（直观易懂）

(?i)ubicado(.*?)comuna

• (?i)：开启不区分大小写模式，不管是ubicado/UBICADO还是Comuna/comuna都能匹配。
• ubicado：匹配起始标记词（不区分大小写）。
• (.*?)：非贪婪匹配任意字符（直到遇到第一个comuna就停止），括号把这部分做成捕获组，方便提取。
• comuna：匹配结束标记词（不区分大小写）。

使用的时候，你只需要取第一个捕获组的内容就行，比如在Python里：

import re

sample_text = "departamento número veintidós del segundo piso, señalan, <strong>ubicado</strong> en calle Victoria Subercaseaux número ciento noventa y uno, <strong>Comuna</strong> de Santiago, Región Metropolitana, y demás derechos en los bienes comunes, en proporción al valor del mismo, entre los cuales se encuentra el terreno, que deslinda: NORTE, calle Valdivia; SUR, propiedad de doña Laura Zegers de"

pattern = r'(?i)ubicado(.*?)comuna'
match_result = re.search(pattern, sample_text)
if match_result:
    # 用strip()去掉前后多余的空格，更整洁
    extracted_text = match_result.group(1).strip()
    print(extracted_text)

输出结果就是：

en calle Victoria Subercaseaux número ciento noventa y uno,

方案2：用正向断言（不包含标记词，更精准）

如果你不想在匹配结果里不小心带上标记词，也可以用前后断言：

(?i)(?<=ubicado).*?(?=comuna)

• (?<=ubicado)：正向回顾后发断言，确保前面是ubicado，但不会把它包含在匹配结果里。
• (?=comuna)：正向预测先行断言，确保后面是comuna，同样不会包含它。
• 其他部分和方案1一样，非贪婪匹配+大小写不敏感。

关键注意点 #

1. 一定要用非贪婪匹配.*?：如果用.*（贪婪模式），它会直接匹配到文本最后一个comuna，而不是第一个，这大概率不是你想要的。
2. 大小写不敏感：因为示例里的标记词大小写不一致，(?i)修饰符能帮你覆盖所有大小写组合的情况。
3. 处理HTML标签：如果你的文本里有像<strong>这样的标签，也不用担心——正则会忽略它们，因为我们只匹配标记词本身，标签会被包含在中间的文本里，如果想排除标签的话，可以稍微调整正则，比如(?i)(?<=<strong>ubicado</strong>).*?(?=<strong>comuna</strong>)，但这个只适用于固定标签的情况，通用场景还是用前面的方案更稳妥。

内容的提问来源于stack exchange，提问作者Alvarows