设置一个多选择正则表达式，使其匹配尝试总是从左到右，无论是否另一个以前的正则表达式试图捕获更多的字符?

Question

import re
input_text = 'el dia corrimos juntas hasta el 11° nivel de aquella montaña hasta el 2022_-_12_-_13' 
#input_text = 'desde el  corrimos juntas hasta el 11° nivel de aquella montaña y luego bajamos hasta la salida, hasta el 2022_-_12_-_01 21:00 hs caminamos juntas' #example 2

date_format = r"(?:(|)s*(d*)_-_(d{2})_-_(d{2})s*(?:)|)"
#text in the middle associated with the date range...
#some_text = r"(?:(?!.s*?n)[^;])*" #but cannot contain ";", ".s*n"
some_text = r"(?:(?!.s*)[^;])*" #but cannot contain ";", ".s*"
#some_text = r"(?:[^.;])*" #but cannot contain ";", "."
identification_re_0 = r"(?:el dia|dia|el)s*(?:del|des*el|de |)s*(" + some_text + r")s*(?:,s*hasta|hasta|al|a )s*(?:el|la|)s*" + date_format
input_text = re.sub(identification_re_0,
lambda m: print(m[1]),
input_text, re.IGNORECASE)
#print(repr(input_text)) # --> output

这些是我得到的错误输出:

'corrimos juntas hasta el 11° nivel de aquella montaña hast'
'corrimos juntas hasta el 11° nivel de aquella montaña y luego bajamos hasta la salida, hast'

这些将是正确的输出，你应该得到这个例子:

'corrimos juntas hasta el 11° nivel de aquella montaña'
'corrimos juntas hasta el 11° nivel de aquella montaña y luego bajamos hasta la salida'

为什么(?:,s*hasta|hasta|al|a )捕获组向后尝试其选项?为什么它试图符合上述正则表达式的贪心行为，在本例中是(?:(?!.s*)[^;])*?

---

使用可能的解决方案编辑:

我已经取得了或多或少接近的结果，除了例子3，我不能使它，如果没有被some_text捕获的东西()不放置

import re
input_text = 'desde el 2022_-_12_-_10 corrimos juntas hasta el 11° nivel de aquella montaña hasta el 2022_-_12_-_13' #example 1
#input_text = 'desde el 2022_-_11_-_10 18:30 pm corrimos juntas hasta el 11° nivel de aquella montaña y luego bajamos hasta la salida, hasta el 2022_-_12_-_01 21:00 hs caminamos juntas' #example 2
#input_text = 'desde el 2022_-_11_-_10 18:30 pm hasta el 2022_-_12_-_01 21:00 hs' #example 3
#text in the middle associated with the date range...
#some_text = r"(?:(?!.s*?n)[^;])*" #but cannot contain ";", ".s*n"
some_text = r"(?:(?!.s*)[^;])*" #but cannot contain ";", ".s*"
#some_text = r"(?:[^.;])*" #but cannot contain ";", "."
identificate_hours = r"(?:as*las|as*la|)s*(?:(|)s*(d{1,2}):(d{1,2})s*(?:(am)|(pm))s*(?:)|)" #acepta que no se le indicase el 'am' o el 'pm'
identificate_hours = r"(?:as*las|as*la|)s*(?:(|)s*(d{1,2}):(d{1,2})s*(?:(am)|(pm)|)s*(?:)|)" #no acepta que no se le indicase el 'am' o el 'pm'
date_format = r"(?:(|)s*(d*)_-_(d{2})_-_(d{2})s*(?:)|)"
# (?:,s*hasta|hasta|al|a )
some_text_limiters = [r",s*hasta", r"hasta", r"al", r"a "]
for some_text_limiter in some_text_limiters:
identification_re_0 = r"(?:(?<=s)|^)(?:desdes*el|desde|del|des*el|des*la|de |)s*(?:día|dia|fecha|)s*(?:del|des*el|de |)s*" + date_format + r"s*(?:" + identificate_hours + r"|)s*(?:)|)s*(" + some_text + r")s*" + some_text_limiter + r"s*(?:el|la|)s*(?:fecha|d[íi]a|)s*(?:del|des*el|de|)s*" + date_format + r"s*(?:" + identificate_hours + r"|)s*(?:)|)"
input_text = re.sub(identification_re_0,
lambda m: (f"({m[1]}_-_{m[2]}_-_({m[3]}({m[4] or '00'}:{m[5] or '00'} {m[6] or m[7] or 'am'})_--_{m[9]}_-_{m[10]}_-_({m[11]}({m[12] or '00'}:{m[13] or '00'} {m[14] or m[15] or 'am'})))({m[8]})").replace(" )", ")").replace("( ", "("),
input_text, re.IGNORECASE)

print(repr(input_text))

Answer 1

您可以验证日期字符串，然后用符号替换日期字符串(确保它不会在文本中重复)并提取它们之间的文本。

import re
re_exp = r'((?:hasta el))?sd{4}_-_d{2}_-_d{2}s?((?:d{2}:d{2}s(?:am|pm)?)?)'
input_text = 'desde el 2022_-_12_-_10 corrimos juntas hasta el 11° nivel de aquella montaña hasta el 2022_-_12_-_13'
input_text = 'desde el 2022_-_11_-_10 18:30 pm corrimos juntas hasta el 11° nivel de aquella montaña y ' 
'luego bajamos hasta la salida, hasta el 2022_-_12_-_01 21:00 hs caminamos juntas'
input_text = "desde el 2022_-_11_-_10 18:30 pm hasta el 2022_-_12_-_01 21:00 hs"
data = re.sub(re_exp, "@*@", input_text)
text_btw_dates = [i.replace('@', '').strip().strip(".,") for i in data.split('*') if
i.startswith('@') and i.endswith('@') and len(i) > 1]
print(text_btw_dates)
>>> ['corrimos juntas hasta el 11° nivel de aquella montaña']
>>> ['corrimos juntas hasta el 11° nivel de aquella montaña y luego bajamos hasta la salida']
>>> [""]