如何使用Python正则表达式仅捕获目标文本的首个匹配分组？

嘿，我来帮你搞定这个正则表达式的问题！你想要从那段潮汐/日出文本里提取开头的High 4:55AM 1.3m Low 11:35AM 0.34，还得去掉多余空格，之前用.{44}会匹配多个分组，主要是因为没限定只匹配字符串开头，而且固定长度的写法太脆弱了——万一时间格式变了（比如变成10:05AM），字符数就不对了。

下面给你两种解决方案，优先推荐第一种模式匹配的方式：

方案一：用模式匹配（更灵活可靠） #

这种方法不依赖固定字符数，而是通过匹配文本的结构来精准捕获目标内容，适配性更强。

代码示例 #

import re

# 你的原始文本
raw_text = ' High 4:55AM 1.3m Low 11:35AM 0.34m High 5:47PM 1.12m Low 11:40PM 0.47m First Light 5:59AM Sunrise 6:24AM Sunset 5:01PM Last Light 5:27PM '

# 正则模式：匹配开头的High+时间+高度，以及Low+时间+高度
# 如果需要保留末尾的"m"，把模式里的\d+\.\d+改成\d+\.\d+m即可
pattern = r'^\s*(High\s+\d+:\d+[APM]+\s+\d+\.\d+m\s+Low\s+\d+:\d+[APM]+\s+\d+\.\d+)\s*'

# 执行匹配
match_result = re.search(pattern, raw_text)

if match_result:
    # 提取捕获的内容
    target_text = match_result.group(1)
    # 去除多余空格：把多个连续空格替换成单个空格
    cleaned_text = re.sub(r'\s+', ' ', target_text)
    print(cleaned_text)
    # 输出结果：High 4:55AM 1.3m Low 11:35AM 0.34

模式解释 #

• ^：强制从字符串开头匹配，确保只捕获第一组High/Low内容，不会匹配后面的重复部分
• \s*：匹配开头/结尾的任意空格，避免捕获多余空白
• High\s+\d+:\d+[APM]+：匹配"High" + 空格 + 时间格式（比如4:55AM）
• \s+\d+\.\d+m：匹配空格 + 高度值（比如1.3m）
• Low\s+\d+:\d+[APM]+\s+\d+\.\d+：同理匹配Low对应的时间和数值

方案二：改进固定长度写法（仅当文本格式绝对固定时用） #

如果你确定文本的字符数永远不会变，可以给原来的正则加上^限定开头，这样就只会匹配前44个字符，不会捕获后续分组，再处理空格即可：

代码示例 #

import re

raw_text = ' High 4:55AM 1.3m Low 11:35AM 0.34m High 5:47PM 1.12m Low 11:40PM 0.47m First Light 5:59AM Sunrise 6:24AM Sunset 5:01PM Last Light 5:27PM '

# 加上^限定只匹配开头的44个字符
pattern = r'^.{44}'
match_result = re.search(pattern, raw_text)

if match_result:
    # 先去除首尾空格
    temp_text = match_result.group().strip()
    # 替换多余空格为单个
    cleaned_text = re.sub(r'\s+', ' ', temp_text)
    # 如果需要去掉末尾的"m"，再额外处理
    cleaned_text = cleaned_text.rstrip('m').strip()
    print(cleaned_text)
    # 输出结果：High 4:55AM 1.3m Low 11:35AM 0.34

内容的提问来源于stack exchange，提问作者Harry