如何在Python中使用Regex搜索文档中的所有字母数字序列？

Question

我在Regex中遇到了问题，我需要搜索文档中所有可用的字母数字序列。 一个文档可以有多个这样的序列。 我正在用Python做。

因此，例如，如果该文档是“ ID为X12354，ID为1234Z和ID 12P555的某些东西等等，都已经50岁了”。

因此，预期输出应为：

X12354

1234Z

12P555

摘要 ： 字符串和字母和数字都必须出现在顺序或长度无关紧要的字符串中。 该字符串可以在文档中多次出现。 它可以在任何地方。

我尝试了几种方法来解决正则表达式，但每次都变得混乱。 提前致谢。

Answer 1

您可以在单词边界之间进行匹配，并使用正向先行来断言大写字符和一个数字：

\\b(?=[AZ-0-9]*[AZ])(?=[AZ-0-9]*[0-9])[A-Z0-9]+\\b

那将匹配：

• \\b字边界
• (?=肯定右边的正向前进
  • [A-Z0-9] *匹配零个或多个大写字符
  • [AZ]匹配大写字符
• )正面正向
• (?=肯定右边的正向前进
  • [A-Z0-9]*匹配零个或多个大写字符
  • [0-9]匹配一个数字
• )正面正向
• [A-Z0-9]+一次或多次匹配大写字符或数字
• \\b字边界

因此，在Python中，这将是：

import re
s = "some blah blah blah with id X12354, id 1234Z and id 12P555. All are 50 years old."
re.findall(r'\b(?=[A-Z-0-9]*[A-Z])(?=[A-Z-0-9]*[0-9])[A-Z0-9]+\b', s)

给予：

['X12354', '1234Z', '12P555']

Answer 2

这将检测在每个小的字符串中是否至少存在字母和数字。

import re
from string import punctuation
s = "some blah blah blah with id X12354, id 1234Z and id 12P555. All are 50 years old."
ans = [v for v in re.split("[ " + punctuation + "]", s) 
       if any(c.isdigit() for c in v) and any(c.isalpha() for c in v)]
['X12354,', '1234Z', '12P555']

re.split("[ " + punctuation + "]", s)拆分所有标点符号和空格。

Answer 3

使用re.findall获取所有匹配项。 使用两次先行，一次用于验证匹配项是否包含数字，另一次用于验证其是否包含字母。

document = "some blah blah blah with id X12354, id 1234Z and id 12P555. All are 50 years old."
matches = re.findall('(?=[a-z0-9]*[a-z])(?=[a-z0-9]*[0-9])[a-z0-9]+', document, re.IGNORECASE)
print(matches)

您可以在此处在线尝试正则表达式。