如何在忽略特殊字符的字符串后找到接下來的 9 個字符？

Question

考慮以下字符串：

str_test = 'This is a sample text NRC234456789 and this is another case AZN.1.Z.3.4.S.6.7.8.9 and this another case BSA 123 456 789 and final case SSR/789456123'

基本上，我需要在字符串中找到字符 'NRC' 、'AZN'、'BSA' 和 'SSR' 的位置。 然后，我需要提取接下來的 9 個數字……忽略任何非數字字符。 所以它應該返回

在某些情況下，數字 5 被錯誤地寫為 S，數字 2 被寫為 Z。我仍然需要識別這些情況並將錯誤的 S 和 Z 分別更改為 5 和 2。

result = ['NRC234456789', 'AZN123456789' , 'BSA123456789', 'SSR789456123']

我有我正在使用的代碼

list_comb = ['NRC', 'AZN', 'BSA', 'SSR'] 
def findWholeWord(w): 
    return re.compile(r'\b({0})\b'.format(w), flags=re.IGNORECASE).search 

它返回找到字符串的位置..但我不確定下一步如何進行。 謝謝

Answer 1

使用此regex來識別模式。 也許它可以幫助：

import re

str_test = 'This is a sample text NRC234456789 and this is another case AZN.1.2.3.4.5.6.7.8.9 and this another case BSA 123 456 789 and final case SSR/789456123'
regex = re.findall("([A-Z0-9.\s\/]{2,})",str_test)
result = []

如果非數字字符只有點、逗號和斜線，則一種解決方案：

for r in regex:
    result.append(r.replace(".","").replace(" ","").replace("/",""))
print (result)

或者如果非數字字符可以是任何，則使用此循環：

for r in regex:
    result.append(re.sub("([^\d\w])","",r))
print (result)

輸出：

['NRC234456789', 'AZN123456789', 'BSA123456789', 'SSR789456123']

更新

import re

str_test = 'This is a sample text NRC234456789 and this is another case AZN.1.Z.3.4.S.6.7.8.9 and this another case BSA 123 456 789 and final case SSR/789456123'
regex = re.findall("([A-Z]{3})([A-Z0-9.\s\/]{2,})",str_test)
result = []
for r in regex:
    result.append(r[0]+("".join(re.sub("([^\d\w])","",str(r[1])).replace("Z","2").replace("S","5"))))

print (result)

輸出：

['NRC234456789', 'AZN123456789', 'BSA123456789', 'SSR789456123']

Answer 2

這是一種方法

前任：

import re

str_test = 'This is a sample text NRC234456789 and this is another case AZN.1.2.3.4.5.6.7.8.9 and this another case BSA 123 456 789 and final case SSR/789456123'
to_check = ['NRC', 'AZN', 'BSA', 'SSR']
pattern = re.compile("("+"|".join(to_check) + ")([\d+\.\s\/]+)")

for k, v in pattern.findall(str_test):
    print(k + re.sub(r"[^\d]", "", v))

輸出：

NRC234456789
AZN123456789
BSA123456789
SSR789456123

---

根據評論編輯。

import re

str_test = 'This is a sample text NRC234456789 and this is another case AZN.1.Z.3.4.S.6.7.8.9 and this another case BSA 123 456 789 and final case SSR/789456123'
to_check = ['NRC', 'AZN', 'BSA', 'SSR']
pattern = re.compile("("+"|".join(to_check) + ")([\d+\.\s\/ZS]+)")

for k, v in pattern.findall(str_test):
    new_val = k + re.sub(r"[^\d]", "", v.replace("Z", "2").replace("S", "5"))
    print(new_val)

Answer 3

這是首先使用此正則表達式查找預期文本的簡單方法，

\b(?:NRC|AZN|BSA|SSR)(?:.?\d)+

使用提供的列表動態生成，然后從中刪除任何非字母數字字符。

編輯：為了處理錯誤的字符串，其中2被錯誤地寫為Z並且5被錯誤地寫為S ，您可以在忽略初始三個字符的字符串的第二部分替換它們。 此外，代碼已更新，因此它只選擇接下來的九位數字而不是更多數字。 這是我更新的相同 Python 代碼，

import re

s = 'This is a sample text NRC234456789 and this is another case AZN.1.Z.3.4.S.6.7.8.9 and this another case BSA 123 456 789 and BSA 123 456 789 123 456 final case SSR/789456123'

list_comb = ['NRC', 'AZN', 'BSA', 'SSR']
regex = r'\b(?:{})(?:.?[\dA-Z])+'.format('|'.join(list_comb))
print(regex)

for m in re.findall(regex, s):
 m = re.sub(r'[^a-zA-Z0-9]+', '', m)
 mat = re.search(r'^(.{3})(.{9})', m)
 if mat:
  s1 = mat.group(1)
  s2 = mat.group(2).replace('S','5').replace('Z','2')
  print(s1+s2)

打印修正值，其中S替換為5 ， Z替換為2 ，

NRC234456789
AZN123456789
BSA123456789
BSA123456789
SSR789456123