"通过正则表达式从字符串中提取多个值"

Question

我有许多来自第 3 方数据源的字符串，它们的长度不同，同时包含下划线和空格。 字符串的每个部分都很重要，我试图通过python<\/code>将它分成不同的字段。 该字符串没有特殊字符（ \\n<\/code> 、 \\t<\/code>等） - 应该只是空格、下划线和括号用于分隔数据部分。

细绳<\/th>	年<\/th>	状态<\/th>	ID<\/th>	子 ID<\/th>	额外1<\/th>	额外2<\/th><\/tr><\/thead>
2022_UT_T1000_100（分类 1 分类 2）<\/td>	2022<\/td>	犹他州<\/td>	T1000<\/td>	100<\/td>	分类1<\/td>	分类2<\/td><\/tr>
2021_TX_V999_005（分类1）<\/td>	2021<\/td>	德克萨斯州<\/td>	V999<\/td>	005<\/td>	分类1<\/td>	<\/td><\/tr>
1999_GA_123456_7890<\/td>	1999<\/td>	遗传算法<\/td>	123456<\/td>	7890<\/td>	<\/td>	<\/td><\/tr><\/tbody><\/table> 我可以用下划线分割字符串，然后用空格分割最后一个字段，但这似乎容易出错。 正则Regex<\/code>可能是最好的方法。 我可以使用这个匹配年份： ^[1-9]\\d{3,}$<\/code> 。 但是，当尝试添加 OR 运算符时，它只会找到下划线。 当我知道存在模式时，有没有办法提取这些数据？

Answer 1

您可以尝试将str.extract<\/code>与正则表达式模式一起使用：

^(\d{4})_([^_]+)_([^_]+)_([^_ ]+)(?: \((\S+)(?: (\S+))?\))?$