[英]Function to extract company register number from text string using Regex
我有一個 function 從給定文本中提取公司注冊號(德語: handelsregisternummer
)。 雖然我針對這個特定問題的正則表達式匹配正確的格式(請參閱演示),但我無法提取正確的公司注冊號。
我想提取HRB 142663 B
但我得到HRB 142663
。
大多數數字的格式為HRB 123456
,但有時會在末尾附加字母B
import re
def get_handelsregisternummer(string, keyword):
# https://regex101.com/r/k6AGmq/10
reg_1 = fr'\b{keyword}[,:]?(?:[- ](?:Nr|Nummer)[.:]*)?\s?(\d+(?: \d+)*)(?: B)?'
match = re.compile(reg_1)
handelsregisternummer = match.findall(string) # list of matched words
if handelsregisternummer: # not empty
return handelsregisternummer[0]
else: # no match found
handelsregisternummer = ""
return handelsregisternummer
從網站上抓取的示例文本。 換行符使單詞相互連接:
text_impressum = """"Berlin, HRB 142663 BVAT-ID.: DE283580648Tax Reference Number:"""
申請 function:
for keyword in ['HRB', 'HRA', 'HR B', 'HR A']:
handelsregisternummer = get_handelsregisternummer(text_impressum, keyword=keyword)
if handelsregisternummer: # if list is not empty anymore, then do...
handelsregisternummer = keyword + " " + handelsregisternummer
break
if not handelsregisternummer: # if list is empty
handelsregisternummer = 'not specified'
handelsregisternummer_dict = {'handelsregisternummer':handelsregisternummer}
之后我得到:
handelsregisternummer_dict ={'handelsregisternummer': 'HRB 142663'}
但我想要這個:
handelsregisternummer_dict ={'handelsregisternummer': 'HRB 142663 B'}
您需要在正則表達式中使用兩個捕獲組來捕獲關鍵字和數字,並且只需匹配 rest:
reg_1 = fr'\b({keyword})[,:]?(?:[- ](?:Nr|Nummer)[.:]*)?\s?(\d+(?: \d+)*(?: B)?)'
# |_________| |___________________|
然后,您需要連接、加入所有匹配並返回的捕獲組findall
:
if handelsregisternummer: # if list is not empty anymore, then do...
handelsregisternummer = " ".join(handelsregisternummer)
break
請參閱Python 演示。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.