REGEX - 范围之间的提取并忽略某些单词（python）

Question

我需要提取满足多种场景的车辆类的值，因此尝试在范围类和日期之间提取，但对于少数样本数据，不需要的值（如持有者和出纳员）需要被忽略。 我也尝试过使用 or 条件，但无法排除这些词

尝试过正则表达式：

1. (?<=Class\s)[az AZ(-|\s|\)]*(?=Date|TOLDER)
2. (?<=Class\s)[az AZ(-|\s|\)]*(?=Date)

样本数据 1：车辆等级 LMV MCWG 发布日期

样本数据 2：车辆类别 MCWG 发布日期

样本数据 3：车辆等级 LMV MCWG 发布日期

样本数据 4：车辆等级 LMV MCWOG TOLDER SIGNATURE 签发日期

样本数据 5：车辆类别 MCWG LMV LMV-GV PSVBUS 发布日期

样本数据 6：车辆等级 LMY MCWG HOLDER SIGNATURE 签发日期

预期输出：类别和日期之间的值（例如：在样本数据 1 中：LMV MCWG，在样本数据 6 中：LMY MCWG，它应该忽略 HOLDER SIGNATURE）

Answer 1

您可以使用模式(MC[AZ]+).*(LM[AZ]+)|(LM[AZ]+).*(MC[AZ]+)
见https://regex101.com/r/08lN88/1

Answer 2

您可以使用字符类匹配 HOLDER 或 TOLDER。 您可以在捕获组中捕获所需的数据，而不是环顾四周。

在字符类中，您使用\s也匹配空格，如果要匹配管道字符，可以使用单个| （请注意，这并不意味着在字符类中为 OR）

为防止部分单词匹配，您可以添加单词边界\b

\bClass\s([a-zA-Z(|)\s-]*?)\s*(?:Date|[HT]OLDER)\b

查看正则表达式演示。

import re

pattern = r"\bClass\s([a-zA-Z(|)\s-]*?)\s*(?:Date|[HT]OLDER)\b"

s = ("sample data 1 :\n"
            "Vehicle Class\n"
            "LMV\n"
            "MCWG\n"
            "Date of Issue\n\n"
            "sample data 2 :\n"
            "Vehicle Class MCWG\n"
            "Date of issue\n\n\n"
            "sample data 3 : \n"
            "Vehicle Class LMV MCWG\n"
            "Date of issue\n\n"
            "sample data 4 :\n"
            "Vehicle Class LMV MCWOG\n"
            "TOLDER SIGNATURE\n"
            "Date of Issue \n\n"
            "sample data 5 :\n"
            "Vehicle Class MCWG LMV LMV-GV PSVBUS\n"
            "Date of issue\n\n"
            "sample data 6 :\n"
            "Vehicle Class LMY MCWG\n"
            "HOLDER SIGNATURE\n"
            "Date of Issue ")

print(re.findall(pattern, s))

输出

['LMV\nMCWG', 'MCWG', 'LMV MCWG', 'LMV MCWOG', 'MCWG LMV LMV-GV PSVBUS', 'LMY MCWG']