[英]Python extract paragraph in text file using regex
我正在使用 Python 3.7,我正在尝试使用正则表达式从一些文本文件中提取一些段落。
这是txt文件内容的示例。
AREA: OMBEYI MARKET, ST. RITA RAMULA
DATE: Thursday 25.03.2021, TIME: 9.00 A.M. = 5.00 P.M.
Ombeyi Mk, Kiliti Mkt, Masogo Mkt, Miwani, Kasongo, Onyango Midika, St. Rita Ramula, Onyalo
Biro, Yawo Pri, Obino, Rutek, Keyo Pri & adjacent customers.
AREA: NYAMACHE FACTORY
DATE: Thursday 25.03.2021, TIME: 830 A.M. - 3.00 P.M.
Nyamache Fact, Suguta, Gionseri, Igare, Kionduso, Nyationgongo, Enchoro, Kebuko, Emenwa, Maji
Mazuri, Borangi & adjacent customers.
AREA: SUNEKA MARKET, RIANA MARKET
DATE: Thursday 25.03.2021, TIME: 8.00 A.M. - 3.00 P.M.
Suneka Mk, Riana Mk, Kiabusura, Gesonso, Chisaro, Sugunana, Nyamira Ndogo & adjacent
customers.
AREA: ITIATI, GITUNDUTI
DATE: Thursday 25.03.2021, TIME: 9.00 A.M. = 2.00 P.M.
General China, Gachuiro, Gathuini Pri, Itiati Campus, Kianjugum, Gikore, Kihuri TBC, Gitunduti &
adjacent customers.
目前我可以使用正则表达式提取区域、日期和时间:
area_pattern = re.compile("^AREA:((.*))")
date_pattern = re.compile("^DATE:(.*),")
time_pattern = re.compile("TIME:(.*).")
我希望能够在DATE/TIME之后和AREA之前提取包含以逗号分隔的位置的段落。 所以我将能够匹配以下内容:
1.
Ombeyi Mk, Kiliti Mkt, Masogo Mkt, Miwani, Kasongo, Onyango Midika, St. Rita Ramula, Onyalo
Biro, Yawo Pri, Obino, Rutek, Keyo Pri & adjacent customers.
2.
Nyamache Fact, Suguta, Gionseri, Igare, Kionduso, Nyationgongo, Enchoro, Kebuko, Emenwa, Maji
Mazuri, Borangi & adjacent customers.
3.
Suneka Mk, Riana Mk, Kiabusura, Gesonso, Chisaro, Sugunana, Nyamira Ndogo & adjacent
customers.
4.
General China, Gachuiro, Gathuini Pri, Itiati Campus, Kianjugum, Gikore, Kihuri TBC, Gitunduti &
adjacent customers.
如果有人可以帮助建议一个对这个用例有帮助的正则表达式,以及对我当前的正则表达式的改进,我将非常感激。 谢谢
您可以将此正则表达式与要在re.findall
中使用的捕获组一起使用:
\nDATE:.*\n*((?:\n.*)+?)(?=\nAREA:|\Z)
正则表达式详细信息:
\nDATE:
: 匹配文本DATE:
匹配换行符后.*\n*
: 匹配 rest 后跟 0 个或多个换行符的行((?:\n.*)+?)
:捕获组 1 以捕获我们的文本,其中 1 或所有内容的行,直到满足下一个条件(?=\nAREA:|\Z)
:断言我们有一个换行符,然后是AREA:
或当前 position 之前的输入结束
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.