正則表達式 - 查找包含至少 1 個大寫字母、一位數字或一個特殊字符的連續“單詞”

Question

我正在嘗試提取至少包含以下一項的單詞序列：

• 大寫字母。
• 數字
• '：' 或者 '-'

例如對於以下短語：

• aBC 一直在聯系 Maria 和 James，他們的系統 DB-54:ABB 的 DDD 代碼是 12343-4。

我想提取以下項目：

• 廣播公司
• 瑪麗亞
• 詹姆士
• DDD代碼
• DB-54：ABB
• 12343-4

到目前為止，我有以下代碼：

import re
re.findall(r'((\S*[A-Z|0-9|\:|\-]\w*)([\, |\.])?)', 'aBC has been contacting Maria and ere our DDD Code for system DB-54:ABB is 12343-4.')

哪個返回：

[('aBC ', 'aBC', ' '),
 ('Maria ', 'Maria', ' '),
 ('DDD ', 'DDD', ' '),
 ('Code ', 'Code', ' '),
 ('DB-54:ABB ', 'DB-54:ABB', ' '),
 ('12343-4.', '12343-4', '.')]

這將返回所有需要的項目，除了它正在拆分 DDD 和代碼。 我的目標是將包含上述項目的連續單詞組合在一起。 'DDD' 'Code' 都是大寫字母，而且是連續的，應該屬於同一個字符串

Answer 1

您可以添加+來重復該模式。 我對它進行了一些簡化，因為您在不需要的地方使用了反斜杠。 這將產生您想要的 6 個捕獲組：

((\S*[A-Z0-9:-]\w*)($|[ ,.]))+

演示

放入代碼：

import re

m = re.findall(r'(((\S*[A-Z0-9:-]\w*)($|[ ,.]))+)',
               'aBC has been contacting Maria and James where their DDD Code for system DB-54:ABB is 12343-4.')

print(m)

Output：

[('aBC ', 'aBC ', 'aBC', ' '),
 ('Maria ', 'Maria ', 'Maria', ' '),
 ('James ', 'James ', 'James', ' '),
 ('DDD Code ', 'Code ', 'Code', ' '),
 ('DB-54:ABB ', 'DB-54:ABB ', 'DB-54:ABB', ' '),
 ('12343-4.', '12343-4.', '12343-4', '.')]

Answer 2

這不會拆分連續的比賽

result = re.findall(r'(?:[\w0-9]*[A-Z0-9\-:]+[\w0-9]*\s*)+', text)

但是您可能必須去除空格

map(str.strip, result)