如何在Python中使用Regex搜索文档中的所有字母数字序列？

Question

我在Regex中遇到了一个问题，需要搜索文档中所有可用的字母数字序列。一个文档可以有多个这样的序列。我是用Python做的。你知道吗

例如，如果这个文档像“some blah blah blah，id为X12354，id为1234Z，id为12P555。都50岁了。”

因此，预期输出应为：

X12354型

1234Z型

第12P555页

摘要：字母和数字必须出现在序列或长度无关紧要的字符串中。此字符串可以在文档中出现多次。它可以在任何地方。

我试过几种方法来整理正则表达式，但每次都会让人困惑。提前谢谢。你知道吗

Answer 1

您可以在单词边界之间进行匹配，并使用正向前瞻来断言和大写字符以及数字：

^{}

符合以下条件：

• \b词边界
• (?=肯定的向前看，断言正确的东西
  • [A-Z0-9]*匹配零次或多次大写字符
  • [A-Z]匹配大写字符
• )关闭正向展望
• (?=肯定的向前看，断言正确的东西
  • [A-Z0-9]*匹配零次或多次大写字符
  • [0-9]匹配一个数字
• )关闭正向展望
• [A-Z0-9]+匹配一个或多个大写字符或数字
• \b词边界

因此，在Python中，这将是：

import re
s = "some blah blah blah with id X12354, id 1234Z and id 12P555. All are 50 years old."
re.findall(r'\b(?=[A-Z-0-9]*[A-Z])(?=[A-Z-0-9]*[0-9])[A-Z0-9]+\b', s)

给予：

['X12354', '1234Z', '12P555']

Answer 2

它检测每个小字符串块中是否至少存在一个字母和数字。你知道吗

import re
from string import punctuation
s = "some blah blah blah with id X12354, id 1234Z and id 12P555. All are 50 years old."
ans = [v for v in re.split("[ " + punctuation + "]", s) 
       if any(c.isdigit() for c in v) and any(c.isalpha() for c in v)]
['X12354,', '1234Z', '12P555']

re.split("[ " + punctuation + "]", s)使用所有标点和空格进行拆分。你知道吗

Answer 3

使用re.findall获取所有匹配项。使用两个lookahead，一个用于验证匹配是否包含数字，另一个用于验证匹配是否包含字母。你知道吗

document = "some blah blah blah with id X12354, id 1234Z and id 12P555. All are 50 years old."
matches = re.findall('(?=[a-z0-9]*[a-z])(?=[a-z0-9]*[0-9])[a-z0-9]+', document, re.IGNORECASE)
print(matches)

你可以在线试用regex here。你知道吗