如何改进正则表达式，排除传真号码提取指定区间文本？

先看你给出的示例内容：

content = """Generator London ABC / FI9 Phone +758 00 000000000 E-Mail london.abcd@gen.in Fax Generate order no 546465438 Generate order date 29.04.2018 Country of Use Page 1/ 3 Generator London ABC / FI9 Phone +758 91 702 122222 E-Mail london.abcd@gen.in Fax Generate order no 4504967662 Generate order date 29.01.2018 Country of Use Page 2/ 3 Payment terms: 30 days - 2 %, 45 days net Supplier Generator London ABC / 3I9 Phone +758 91 702 122222 E-Mail london.abcd@gen.in Fax +07023400800 1234 XI54545454 ZI41 8263 8815 1100 +2939 218932 000 Total Profit Total Budget ... """

你的核心需求是：从数百个同格式文件中，提取Fax（排除其后的传真号码）与Total Profit之间的准确文本。传真号码格式不固定，但Fax字符串必然存在。当前你用的正则：

re.findall(r'Fax\s((?:(?!Fax).)*?)Total', content , re.DOTALL|re.M)

会把传真号码也包含在结果里，而你想要的预期输出是：

['XI54545454 ZI41 8263 8815 1100\n+2939 218932 000\n']

并且希望用通用正则方案，避免手动分割文本。

直接用这个正则就能实现需求：

import re

result = re.findall(r'Fax\s+\S.*?\n((?:(?!Fax|Total).)*?)Total', content, re.DOTALL)
print(result)

正则各部分作用拆解： #

• Fax\s+\S.*?\n：专门用来匹配并跳过传真号码所在行：
  • Fax：精准匹配关键词
  • \s+：匹配Fax和号码之间的一个或多个空白字符
  • \S：匹配传真号码的第一个非空白字符，确保我们从号码内容开始匹配
  • .*?\n：非贪婪匹配到换行符，把整个传真号码行完全跳过
• ((?:(?!Fax|Total).)*?)：这是我们要捕获的目标内容：
  • (?!Fax|Total)：负前瞻断言，确保匹配过程中不会碰到Fax或Total，避免误匹配前面的无效内容
  • .*?：非贪婪匹配所有字符，配合re.DOTALL让.能识别换行符
• Total：匹配结束的关键词，确保我们停在Total Profit的开头

这个方案不管传真号码格式怎么变，只要它跟在Fax后面的同一行，就能被正确跳过，完全符合你的通用提取需求。

内容的提问来源于stack exchange，提问作者Laxmikant