如何在python中使用正则表达式匹配部分字符串？答案

【问题标题】：How to match part of string using regex in python?如何在python中使用正则表达式匹配部分字符串？
【发布时间】：2022-07-21 18:05:34
【问题描述】：

这是字符串：

SCOPE OF WORK: Supply &  Flensburg House, MMDA Colony,     PAN#: AAYCS8310G
installation Arumbakkam,Chennai,Tamil Nadu,
  xxxxxx

字符串中会改变的东西是：

Flensburg House, MMDA Colony,

和

Arumbakkam,Chennai,Tamil Nadu,

字符串的这些部分可以包含字母、数字、逗号、#、-和_

字符串的其余部分将保持原样，包括间距。

这是我正在使用的正则表达式

SCOPE OF WORK: Supply &  [A-Za-z,\s]]*PAN#: [A-Z]{5}[0-9]{4}[A-Z]{1}\n    installation [A-Za-z]\n      xxxxxx

最终我需要得到的是：

Flensburg House, MMDA Colony,     
installation Arumbakkam,Chennai,Tamil Nadu,

我认为我的正则表达式并不完全正确，我需要有关如何解决此问题的帮助。

【问题讨论】：

标签： python regex

【解决方案1】：

关于您当前的模式，我注意到了几点：

您正在尝试匹配比文本中更多的空格字符；
两个子字符串的字符类别不同。第二个缺少空格和逗号，也只匹配一次。 + 目前两者都缺少# 符号和数字；

假设您只需要分组获取这两个子字符串（不包括结尾的逗号），请尝试：

^SCOPE OF WORK: Supply &  ([\w, #-]+),\s+PAN#: [A-Z]{5}[0-9]{4}[A-Z]\s+installation ([\w, #-]+),\s+x{6}$

在线查看demo

^ - 起跑线锚点；
SCOPE OF WORK: Supply & - 此子字符串的文字匹配，包括两个尾随空格；
([\w, #-]+) - 第一个捕获组匹配来自给定类的 1+ 个字符，其中 \w 是 [A-Za-z0-9_] 的简写，您提到的所有字符都需要包括在内；
,\s+PAN#: - 此子字符串的文字匹配，包括结尾的逗号和 1+ 个空格字符；
[A-Z]{5}[0-9]{4}[A-Z] - 验证后面是 5 个大写字母、4 个数字和一个大写字母（无需量化单个字符）；
\s+installation - 1+ 个空格字符，包括换行符和尾随空格；
([\w, #-]+) - 第二个捕获组与第一个组匹配相同的模式；
,\s+x{6} - 匹配尾随逗号、1+ 空格字符和 6 个尾随 x；
$ - 结束线锚。

import re

s = """SCOPE OF WORK: Supply &  Flensburg House, MMDA Colony,     PAN#: AAYCS8310G
installation Arumbakkam,Chennai,Tamil Nadu,
  xxxxxx"""
  
l = re.findall(r'^SCOPE OF WORK: Supply &  ([\w, #-]+),\s+PAN#: [A-Z]{5}[0-9]{4}[A-Z]\s+installation ([\w, #-]+),\s+x{6}$', s)

print(l)

打印：

[('Flensburg House, MMDA Colony', 'Arumbakkam,Chennai,Tamil Nadu')]

【讨论】：