什么正则表达式将匹配这些行？

Question

我不确定这是否是发布此内容的正确位置，对不起标题，但是我将PDF解析为CSV，由于格式不稳定，我决定对每行使用正则表达式。

我添加了，以表示匹配项应该在哪里。 如果将它们取出，则为原始字符串。 第一行是标准行，其他是缺少的列可以显示的某些方式。 看看正则表达式是一个很好的提示

它需要匹配：

12,      16:00:30,  P,  14,     ______________  ABC12345678,          N,     
JOE B'obby,                    MY COMPANY-23 / NAME,                  23,  2


212,      14:00:30,,    212,     ______________  ABC12345678,          NCh,     
BOB Joe Joe,                    MY NAME,                  300,    12,      


2,      13:00:30,  P,  2,     ______________  ABC12345678,,          BOB 
Joe °,,, 20    


3,      15:15:00,  P,  132,     ______________  ABC12345678,,          PHO
Guy Guy °,,,,    

到目前为止，这就是我所拥有的。

    sl_re = r'(\d+)' \
        r'[ ]+(\d+:\d+:\d+)' \
        r'[ ]+([P]*)' \
        r'[ ]+(\d+)' \
        r'[ ]+([_ ]+[A-Z]+\d+)' \
        r'[ ]+([A-Za-z]{,3}|[ ])' \
        r'[ ]+([\w\']+[ ][\w\'°]+[ ]{,1}[\w\'°]*[ ]{,1}[\w\'°]*)'\
        r'[ ]*([\w\-/ ]*|[ ])' \
        r'[ ]*(\d*|[ ])' \
        r'[ ]*(\d*$)'     

直到最后三组完美为止，它都匹配，但是倒数第三组太贪心了，将全部匹配

Answer 1

感谢@tripleee的帮助，我找到了解决问题的方法。 正如他所建议的那样，这个问题更加明确。

因为有很多可选的和不可预见的组组合需要*（0或更大），所以在可能的情况下确保它们不是贪心很重要。 仅当我希望他们匹配所有可能的内容（组之间的空格）时才使用贪婪搜索，而当我希望它们在下一次匹配时停止时才使用非贪婪搜索。 很基础，但这是一个很好的学习机会！

仅最后几行发生了变化，并通过测试用例添加了一些我发现的字符：

r'([\d\.]+)'
r'[ ]+(\d+:\d+:\d+)'
r'[ ]+([P]*)'
r'[ ]+(\d+)'
r'[ ]+([_ ]+[A-Z]+\d+)'
r'[ ]+([NWCSLh]{,3}|[ ])'
    r'[ ]+([\w\'\-]+[ ]*?[\w©\'\-°]+[ ]*?[\w\'\-°]*'
    r'[ ]*?[\w\'\-°]*[ ]*?[\w\'\-°]*)'
r'[ ]*([A-Z0-9,\'\-\/ \.]*?)'
r'[ ]*([\d\-]*?)'
r'[ ]*([\d\-]*$)'