如何在python中使用正则表达式匹配部分字符串？

Question

这是字符串：

SCOPE OF WORK: Supply &  Flensburg House, MMDA Colony,     PAN#: AAYCS8310G
installation Arumbakkam,Chennai,Tamil Nadu,
  xxxxxx

将在字符串中更改的内容是：

Flensburg House, MMDA Colony,

和

Arumbakkam,Chennai,Tamil Nadu,

字符串的这些部分可以包含字母、数字、逗号、#、- 和 _

字符串的其余部分将保持原样，包括间距。

这是我正在使用的正则表达式

SCOPE OF WORK: Supply &  [A-Za-z,\s]]*PAN#: [A-Z]{5}[0-9]{4}[A-Z]{1}\n    installation [A-Za-z]\n      xxxxxx

最终我需要获得的是：

Flensburg House, MMDA Colony,     
installation Arumbakkam,Chennai,Tamil Nadu,

我不认为我的正则表达式是完全正确的，我需要帮助来解决这个问题。

Answer 1

关于您当前的模式，我注意到了一些事情：

• 您正在尝试匹配比文本中更多的空格字符；
• 两个子字符串的字符类不同。 第二个缺少空格和逗号，也只匹配一次。 + 目前两者都缺少#符号和数字；

假设您只需要在组中获取这两个子字符串（不包括尾随逗号），请尝试：

^SCOPE OF WORK: Supply &  ([\w, #-]+),\s+PAN#: [A-Z]{5}[0-9]{4}[A-Z]\s+installation ([\w, #-]+),\s+x{6}$

查看在线演示

---

• ^ - 起跑线锚；
• SCOPE OF WORK: Supply & - 此子字符串的文字匹配，包括两个尾随空格；
• ([\w, #-]+) - 第一个捕获组，用于匹配给定类中的 1+ 个字符，其中\w是[A-Za-z0-9_]简写，您提到的所有字符都需要包括在内；
• ,\s+PAN#: - 此子字符串的文字匹配，包括结尾的逗号和 1+ 个空格字符；
• [AZ]{5}[0-9]{4}[AZ] - 验证后面是 5 个大写字母，4 个数字和一个大写字母（无需量化单个字符）；
• \s+installation - 1+ 个空格字符，包括换行符和尾随空格；
• ([\w, #-]+) - 第二个捕获组与第一个组匹配相同的模式；
• ,\s+x{6} - 匹配尾随逗号、1+ 空格字符和 6 个尾随 x；
• $ - 结束线锚。

---

import re

s = """SCOPE OF WORK: Supply &  Flensburg House, MMDA Colony,     PAN#: AAYCS8310G
installation Arumbakkam,Chennai,Tamil Nadu,
  xxxxxx"""
  
l = re.findall(r'^SCOPE OF WORK: Supply &  ([\w, #-]+),\s+PAN#: [A-Z]{5}[0-9]{4}[A-Z]\s+installation ([\w, #-]+),\s+x{6}$', s)

print(l)

印刷：

[('Flensburg House, MMDA Colony', 'Arumbakkam,Chennai,Tamil Nadu')]