如何创建一个正则表达式模式来从一系列不同结构的字符串中提取一个字符？

Question

我使用regex从地址字符串中提取字母“u”，但仅当它用作缩写（u，u.，u，u等）时。然而，我正在运行的问题是，我的字符串列表是混乱的，充满了错误。我已经试着从数据中找出我所需要的各种错误。我知道我一定错过了一些小东西，但任何帮助都是感激的。你知道吗

我试过这些正则表达式：

• （\s（u | u）？。？,?.?\s） <；-看起来有点怪
• [^\w+][uU]
• [^\w+][uU][^tca]

我还有另一个想法来解决这个问题，那就是需要分离地址（街道、号码等之间的分割），然后修复街道部分并将其粘在一起。我真的有点幸运，我只是把数字部分拔了出来：

• （\d+-\d+|\d+/*\w*|（-））

但是，我想看看我在regex表达式中的混乱之处，它应该选择“u”。Regex101.com是我最好的朋友，没有它我不会走到现在。你知道吗

test_strings = [
    "Holics u 5/a",
    "Holics U 5/a",
    "Holics u5/a",
    "Huolics u 5/a",
    "Holics u. 5/a",
    "Holuics u5",
    "Holics and other stuff u more stuff after 5",
    "Houlics utca 5"
]

# two regex patterns I have considered 

print("First regex pattern ------------------------------------")
pattern = r"[^\w+][uU]"
replacement_text = " utca "

for item in test_strings:
    print(re.sub(pattern,replacement_text,item))

print("\nSecond regex pattern ------------------------------------")
pattern = r"[^\w+][uU][^tca]"
replacement_text = " utca "

for item in test_strings:
    print(re.sub(pattern,replacement_text,item))

上述代码的结果：

第一个正则表达式模式：

Holics utca  5/a
Holics utca  5/a
Holics utca 5/a
Huolics utca  5/a
Holics utca . 5/a
Holuics utca 5
Holics and other stuff utca  more stuff after 5
Houlics utca tca 5 # <-------------------------------- issue

第二个正则表达式模式：

Holics utca 5/a
Holics utca 5/a
Holics utca /a # <----------------------------------- issue
Huolics utca 5/a
Holics utca  5/a
Holuics utca  <-------------------------------------- issue
Holics and other stuff utca more stuff after 5
Houlics utca 5

除了第一个regex模式中的最后一行（“Houlics utca tca 5”）之外，其他一切都正常工作，当我尝试创建一个表达式来考虑包含“utca”的字符串时，我丢失了像“Holics u5/a”这样的字符串中的数字

在很大程度上，我希望结果是：

• Holics u.5/a----->；Holics utca 5/a

最后一点，我有一些函数可以去掉句点和空格。你知道吗

Answer 1

你可以用

re.sub(r'\b[uU](?=\b|\d)\.?\s*', 'utca ', s)

细节

• \b-词边界
• [uU]-u或U
• (?=\b|\d)-当前位置右侧必须有一个单词边界或一个数字
• \.?-可选点
• \s*-0+空格。你知道吗

或者，您可以使用

re.sub(r'\b[uU](?=\b|(?![^\W\d_]))\.?\s*', 'utca ', s)

参见regex demo和another regex demo。你知道吗

这里，如果下一个字符是字母，则(?![^\W\d_])失败，而不是数字要求。你知道吗