如何使用正則表達式從亂碼的文本中提取一些子文本模式？

Question

我有一些文字，其中某些記錄（並非全部）中提到了一個人的年齡和性別，例如28M或35 F或29 male或57Female等等。

我編寫了以下正則表達式，以檢查是否有任何模式匹配輸入字符串中跟着M的數字，如果是，則將其打印出來，但是代碼不打印任何內容：

import re

text = 'Decision: Standard\r\n\r\n 36M NS\r\nBasic - 500th MP tdb addd cib 250th\r\n\r\nDue Date: Settlement date'

test_search = re.search('[0-9]+M', text)

if test_search:
    print("Age: "+test_search.group(0)+", Gender: "+test_search.group(1))

我希望它印有“ Age: 36, Gender: M 。 但是，它什么也不做-沒有錯誤，沒有輸出，什么也沒有。

我嘗試了re.match('[0-9]+F', text) ，也沒有任何反應。

另外，我認為我必須寫盡可能多的正則表達式（有28M ， 35 F ， 29Male ， 57 female等一個）。 那是正確的方法嗎？ 還是有辦法一次搜索/查找/匹配所有這些模式？

Answer 1

您可以使用此正則表達式來匹配您提到的所有情況：

results = re.findall(r'(?i)(\d+)\s*([mf]|(?:fe)?male)\b', text)

正則演示

細節：

• (?i) ：忽略大小寫修飾符
• (\\d+) ：匹配並捕獲組＃1中的1+個數字
• \\s* ：匹配0個或多個空格
• ([mf]|(?:fe)?male) ：匹配或捕獲＃2組中的M或F或male或female
• \\b ：單詞邊界

Answer 2

您可以使用this regex ([0-9]+)\\s?([M|Male|F|Female]+)並在單獨的捕獲組中捕獲年齡和名稱。

Python Demo

import re

test_str = r"Decision: Standard\\r\\n\\r\\n 36M NS\\r\\nBasic - 500th MP tdb addd cib 250th\\r\\n\\r\\nDue Date: Settlement date 29 male 57Female 35 F"

pattern = r"([0-9]+)\s?([M|Male|F|Female]+)"

def return_gender_dict(match_obj):
    return { 'age': match_obj[0], 'gender': match_obj[1][0].upper() }

matches = re.findall(pattern, test_str, flags=re.MULTILINE | re.IGNORECASE)

result = [return_gender_dict(match) for match in matches]

print(result)

輸出：

[{'age': '36', 'gender': 'M'}, {'age': '29', 'gender': 'M'}, {'age': '57', 'gender': 'F'}, {'age': '35', 'gender': 'F'}]

Answer 3

嘗試以下重新

(\d\d)(M|F|Male|Female|\sM|\sF|\sMale|\sFemale)