如何忽略正则表达式中不需要的模式

Question

我有以下 python 代码from io import BytesIOimport pdfplumber, requeststest_case = {    'https://www1.hkexnews.hk/listedco/listconews/sehk/2020/0514/2020051400555.pdf': 59,    'https://www1.hkexnews.hk/listedco/listconews/gem/2020/0529/2020052902118.pdf': 55,    'https://www1.hkexnews.hk/listedco/listconews/sehk/2020/0618/2020061800366.pdf': 47,    'https://www1.hkexnews.hk/listedco/listconews/gem/2020/0630/2020063002674.pdf': 30,}for url, page in test_case.items():    rq = requests.get(url)    pdf = pdfplumber.load(BytesIO(rq.content))    txt = pdf.pages[page].extract_text()    txt = re.sub("([^\x00-\x7F])+", "", txt)  # no chinese    pattern = r'.*\n.*?(?P<auditor>[A-Z].+?\n?)(?:LLP\s*)?\s*((PRC.*?|Chinese.*?)?[Cc]ertified [Pp]ublic|[Cc]hartered) [Aa]ccountants'    try:        auditor = re.search(pattern, txt, flags=re.MULTILINE).group('auditor').strip()        print(repr(auditor))    except AttributeError:        print(txt)        print('============')        print(url)它产生以下结果'ShineWing''ShineWing''Hong Kong Standards on Auditing (HKSAs) issued by the Hong Kong Institute of''Hong Kong Financial Reporting Standards issued by the Hong Kong Institute of'期望的结果是：'ShineWing''ShineWing''Ernst & Young''Elite Partners CPA Limited'我试过：pattern = r'.*\n.*?(?P<auditor>[A-Z].+?\n?)$(?!Institute)(?:LLP\s*)?\s*((PRC.*?|Chinese.*?)?[Cc]ertified [Pp]ublic|[Cc]hartered) [Aa]ccountants' 此模式捕获后两种情况，但不捕获前 2 种情况。pattern = r'.*\n.*?(?P<auditor>^(?!Hong|Kong)[A-Z].+?\n?)(?:LLP\s*)?\s*((PRC.*?|Chinese.*?)?[Cc]ertified [Pp]ublic|[Cc]hartered) [Aa]ccountants' 这会产生所需的结果，但^(?!Hong|Kong)存在潜在风险，因为它可能会在未来忽略其他所需的结果，因此它不是一个好的候选者。相反，$(?!Institute)更通用和合适，但我不知道为什么它在前两种情况下无法匹配。如果有一种方法可以忽略包含的匹配项，那就太好了issued by the Hong Kong Institute of任何建议将不胜感激。谢谢。

Answer 1

pattern = r'\n.*?(?P<auditor>(?!.*Institute)[A-Z].+?)(?:LLP\s*)?\s*((PRC.*?|Chinese.*?)?[Cc]ertified [Pp]ublic|[Cc]hartered) [Aa]ccountants'

这行得通。