在（：或，或；）之间提取文本文件中的名称用python中的regex

Question

# coding=utf-8
import re
f = open('/Users/.../example.txt')
mensaje = f.read()
mensaje = mensaje.replace("\n","")
keywords_cap = ['SpA','SPA','LIMITADA','LTDA','S.A.']
keywords_cap = map(re.escape, keywords_cap)
keywords_cap.sort(key=len, reverse=True)
obj = re.compile(r'\s*([^:]*)(?<!\w)(?:{})'.format('|'.join(keywords_cap)))
print("COMPANY NAME: %s" % obj.findall(mensaje))

我有不同的文件，其中包含:或;，公司名称，以及在keywords_cap中定义的一个单词

文件包含：

Nombre o razón social: "MJ FACILITIES SERVICES SpA nombre de fantasía MJ SpA."

现在我的输出是：

MJ FACILITIES SERVICES SpA nombre de fantasía

我只想要MJ FACILITIES SERVICES SpA

Answer 1

您可以首先使用[:,;.]匹配起始边界，然后使用任何空格和可选的"字符来“ltrim”结果（使用\s*"?），然后匹配并捕获除这些分隔符之外的任何0+字符，尽可能少，最多可以使用一个keywords_cap：

obj = re.compile(r'[:,;.]\s*"?([^:,;.]*?(?<!\w)(?:{}))'.format('|'.join(keywords_cap)))

参见Python demo和regex demo

细节

• [:,;.]-a:、,、;或.
• \s*-0+空格字符
• "?-可选的"
• ([^:,;.]*?(?<!\w)(?:{}))-捕获组1（这是re.findall将返回的结果）：
  • [^:,;.]*?-除了:、,、;和.之外的任何零个或多个字符，尽可能少（*?是惰性量词）
  • (?<!\w)-不允许紧靠左侧的单词字符
  • (?:{})—包含转义keyword_cap项的替换组