使用Python忽略字符串中特定部分下的数据

Question

我有一个如下所示的字符串

line="record of Students Name Codes:  AC1.123  XYZ12.67  the student is math major first hisory: XY12.34 good performer second history M12.78 N23.76 faculty Miss Cooper"

我想从该行中提取一些代码。我正在使用下面的程序。我想忽略历史部分中的代码。

我可以知道如何忽略其中有历史记录的部分中的代码

import re
regular_expression = re.compile(r'\b[A-Z]+\d{1,2}\.*\d{1,2}\w{0,2}\b', re.I)
matches = regular_expression.findall(line)
for match in matches:
    print (match)

预期输出

AC1.123
XYZ12.67

当前输出：

AC1.123
XYZ12.67
XY12.34
M12.78
N23.76

Answer 1

您可以匹配历史记录中您不想要的所有值，然后在一个组中捕获您想要的内容：

\bhistory:? [A-Z]+\d+\.\d+(?: [A-Z]+\d+\.\d+)*|([A-Z]+\d+\.\d+(?: [A-Z]+\d+)*)

说明

• \bhistory:? 字边界、匹配历史记录、可选冒号和空格
• [A-Z]+\d+\.\d+ 匹配 1+ 次 a-z、1+ 位、点字面量和 1+ 位
• (?:非捕获组
  • [A-Z]+\d+\.\d+ 重复匹配先前的模式，并在前面添加一个空格
• )*关闭非捕获组并重复0+次
• | 或
• (抓包组
  • [A-Z]+\d+\.\d+ 与第一个模式匹配
  • (?: [A-Z]+\d+)* 重复相同的模式，前面加一个空格
• )

Regex demo | Python demo

我认为hisory 是一个错字，应该是history

例如：

import re
line = "record of Students Name Codes:  AC1.123  XYZ12.67  the student is math major first history: XY12.34 good performer second history M12.78 N23.76 faculty Miss Cooper"
regular_expression = re.compile(r'\bhistory:? [A-Z]+[0-9]+\.[0-9]+(?: [A-Z]+[0-9]+\.[0-9]+)*|([A-Z]+[0-9]+\.[0-9]+(?: [A-Z]+[0-9]+)*)', re.I)
matches = regular_expression.findall(line)
print(list(filter(None, matches)))

结果

['AC1.123', 'XYZ12.67']

Answer 2

我不太确定您想要的规则是什么，但这可能有助于您设计an expression：

(AC|XYZ)([0-9]+.[0-9]+)

图表

这张图显示了这样的表达式是如何工作的：

示例测试

# -*- coding: UTF-8 -*-
import re

string = "record of Students Name Codes:  AC1.123  XYZ12.67  the student is math major first hisory: XY12.34 good performer second history M12.78 N23.76 faculty Miss Cooper"
expression = r'((AC|XYZ)([0-9]+.[0-9]+))'
match = re.search(expression, string)
if match:
    print("YAAAY! \"" + match.group(1) + "\" is a match ? ")
else: 
    print('? Sorry! No matches! Something is not right! Call 911 ?')