Function 使用正则表达式从文本字符串中提取公司注册号

Question

我有一个 function 从给定文本中提取公司注册号（德语： handelsregisternummer ）。 虽然我针对这个特定问题的正则表达式匹配正确的格式（请参阅演示），但我无法提取正确的公司注册号。

我想提取HRB 142663 B但我得到HRB 142663 。

大多数数字的格式为HRB 123456 ，但有时会在末尾附加字母B

import re

def get_handelsregisternummer(string, keyword):

    # https://regex101.com/r/k6AGmq/10
    reg_1 = fr'\b{keyword}[,:]?(?:[- ](?:Nr|Nummer)[.:]*)?\s?(\d+(?: \d+)*)(?: B)?'

    match = re.compile(reg_1)
    handelsregisternummer = match.findall(string)  # list of matched words

    if handelsregisternummer:  # not empty
        return handelsregisternummer[0]
    else:  # no match found
        handelsregisternummer = ""

    return handelsregisternummer

从网站上抓取的示例文本。 换行符使单词相互连接：

text_impressum = """"Berlin, HRB 142663 BVAT-ID.: DE283580648Tax Reference Number:"""

申请 function：

for keyword in ['HRB', 'HRA', 'HR B', 'HR A']:
    handelsregisternummer = get_handelsregisternummer(text_impressum, keyword=keyword)
    if handelsregisternummer: # if list is not empty anymore, then do...
        handelsregisternummer = keyword + " " + handelsregisternummer
        break
    if not handelsregisternummer:  # if list is empty
        handelsregisternummer = 'not specified'
handelsregisternummer_dict = {'handelsregisternummer':handelsregisternummer}

之后我得到：

handelsregisternummer_dict ={'handelsregisternummer': 'HRB 142663'}

但我想要这个：

handelsregisternummer_dict ={'handelsregisternummer': 'HRB 142663 B'}

Answer 1

您需要在正则表达式中使用两个捕获组来捕获关键字和数字，并且只需匹配 rest：

reg_1 = fr'\b({keyword})[,:]?(?:[- ](?:Nr|Nummer)[.:]*)?\s?(\d+(?: \d+)*(?: B)?)'
#            |_________|                                   |___________________|

然后，您需要连接、加入所有匹配并返回的捕获组findall ：

if handelsregisternummer: # if list is not empty anymore, then do...
    handelsregisternummer = " ".join(handelsregisternummer)
    break

请参阅Python 演示。