仅当前面有特定模式时才匹配单词答案

【问题标题】：Match words only if preceded by specific pattern仅当前面有特定模式时才匹配单词
【发布时间】：2019-08-17 02:43:27
【问题描述】：

我有一个来自 NWS 公告的字符串：

LTUS41 KCAR 141558 AAD TMLB Forecast for the National Parks 
KHNX 141001 RECHNX Weather Service San Joaquin Valley

我的目标是用正则表达式提取几个字段。在第一个字符串中我想要“AAD”，从第二个字符串中我想要“RECHNX”。我试过了：

( )\w{3} #for the first string

和

\w{6} #for the 2nd string

但是这些找到所有 3 和 6 个字符串，直到我想要的字符串。

【问题讨论】：

除了文本长度之外，你还有一些提取文本的逻辑吗？ 3 和 6 的文本长度是一个非常广泛的标准，也可能与其他标记匹配。
如果我正确理解您想要的内容，您需要在搜索中添加字边界\b。像这样使用它：\b[a-zA-Z]{3}\b 用于 3 个字符串。来自stackoverflow.com/questions/29689516/…
如果您想匹配示例数据中的 3 个或 6 个大写字符，您可以使用带有交替的单词边界 \b(?:[A-Z]{3}|[A-Z]{6})\b example

标签： python regex python-2.7

【解决方案1】：

假设您要提取的字段始终为大写字母并以 6 位数字和一个空格开头，则此正则表达式可以解决问题：

(?<=\d{6}\s)[A-Z]+

演示：https://regex101.com/r/dsDHTs/1

编辑：如果你想匹配最多两个字母数字大写单词，前面有 6 个数字，你可以使用：

(?<=\d{6}\s)([A-Z0-9]+\b)\s(?:([A-Z0-9]+\b))*

演示：https://regex101.com/r/dsDHTs/5

如果您有特定的有效字段列表，您也可以简单地使用：

(AAD|TMLB|RECHNX|RR4HNX)

https://regex101.com/r/dsDHTs/3

【讨论】：

谢谢，这正是我想要的，这个演示非常有用！
如果你有一个像LTUS41 KCAR 141558 AAD RECHNX 这样的组合，而你只想提取“AAD RECHNX”怎么办？
@klex52s 这取决于。我可以扩展正则表达式以包含 6 位数字之后的所有大写单词，但这也将包括 TMLB 例如。 AAD 和 RECHNX 是您想要匹配的唯一字符串吗？
是的，只有这两个字符串。
其实这个怎么样。如果我的字符串是LTUS41 KCAR 141558 AAD RR4HNX，我将如何匹配 AAD 和 RR4HNX？我尝试在 6 位字符串之后使用匹配条件，但它只找到 AAD。如何匹配字符串中的字符和数字。

【解决方案2】：

由于您要提取的子字符串是一个数字后面的单词，用空格分隔，您可以将re.search 与以下正则表达式一起使用（假设您的输入存储在s 中）：

re.search(r'\b\d+ (\w+)', s).group(1)

【讨论】：

【解决方案3】：

要从每一行读取第一组 word chars，您可以使用如下模式 (\w+) (\w+) (\w+) (\w+).

然后，从第一行读取第 4 组，从第二行读取第 3 组。

看下面的程序。它从每个源代码行打印四个组：

import re

txt = """LTUS41 KCAR 141558 AAD TMLB Forecast for the National Parks
KHNX 141001 RECHNX Weather Service San Joaquin Valley"""

n = 0
pat = re.compile(r'(\w+) (\w+) (\w+) (\w+)')
for line in txt.splitlines():
    n += 1
    print(f'{n:2}: {line}')
    mtch = pat.search(line)
    if mtch:
        gr = [ mtch.group(i) for i in range(1, 5) ]
        print(f'    {gr}')

结果是：

 1: LTUS41 KCAR 141558 AAD TMLB Forecast for the National Parks 
    ['LTUS41', 'KCAR', '141558', 'AAD']
 2: KHNX 141001 RECHNX Weather Service San Joaquin Valley
    ['KHNX', '141001', 'RECHNX', 'Weather']

【讨论】：