Python 或 PySpark 前导或尾随定义字符串的正则表达式

Question

我正在为需要解析以查找价格信息的客户处理大量 package 名称。 样本package姓名如下：

1. Jan24_Package1_USD2_Rest_Of_String
2. Jan25_Package2_2USD_Rest_Of_String
3. Jan26_Package3_USD_2_Rest_Of_String
4. Jan24_Package4_2_USD_Rest_Of_String

因此，对于第一个和第三个字符串，美元领先于值 2，而对于 rest，美元落后于值。 寻找一个在所有用例中都能找到 output 2 的正则表达式。

我正在尝试使用第 3 组 (\d+) 进行以下操作

(USD)(_*)(\d+)(_*)

这适用于字符串 1 和 3，但不适用于字符串 2 和 4。

在这里寻找解决方案。 多谢。

Answer 1

可以使用两种可能的情况来解决（正则表达式中的捕获组 2 或 3）：

import re
strings = ['Jan24_Package1_USD2_Rest_Of_String', 
           'Jan25_Package2_2USD_Rest_Of_String', 
           'Jan26_Package3_USD_2_Rest_Of_String', 
           'Jan24_Package4_2_USD_Rest_Of_String']

for string in strings:
    match = re.search(r'.*_(USD_?(\d+)|(\d+)_?USD)', string)
    if match:
        #print group 2 or group 3 if group 2 is empty
        if match.group(2):
            print(match.group(2))
        else:
            print(match.group(3))