正则表达式在字符之间只包含一个数字

Question

我必须解析一个PDF文档，我正在使用PyPDF2和re（regex）

该文件包括以下几行：

18-02-202010:44:48PEDMILANO OVEST- BINASCOA1,40

我需要从此行中提取时间和金额之间的文本（粗体）：

PEDMILANO OVEST- BINASCOA

下面的代码正在运行，但有时此代码找不到任何内容，因为可以是这些字符之间的数字，例如18-02-202010:44:48PEDMILANO OVE3ST- BINASCOA1,40

regex = re.compile(r'\d\d-\d\d-\d\d\d\d\d\d:\d\d:\d\d\D+\d+,\d\d')

有没有办法在这个正则表达式中包含一个数字

Answer 1

我建议使用

import re
text = "18-02-202010:44:48PEDMILANO OVEST- BINASCOA1,40"
print( re.sub(r'^\d{2}-\d{2}-\d{5,6}:\d{2}:\d{2}(.*?)\d+(?:,\d+)?$', r'\1', text) )

它也可以写成

re.sub(r'^\d{2}-\d{2}-\d{5,6}:\d{2}:\d{2}|\d+(?:,\d+)?$', '', text)

或者，如果您更喜欢匹配和捕获：

m = re.search(r'^\d{2}-\d{2}-\d{5,6}:\d{2}:\d{2}(.*?)\d+(?:,\d+)?$', text)
if m:
    print( m.group(1) )

见online Python demo。使用此解决方案，您的数据可以以任何字符开头，并且将包含任何字符（不包括换行字符，因为您的数据位于单行上）

正则表达式详细信息

• ^-字符串的开头
• \d{2}-\d{2}-\d{5,6}:\d{2}:\d{2}-datetime字符串：两位，-，两位，-，五位或六位，:，两位，:两位
• (.*?)-第1组：除换行符以外的任何零个或多个字符，尽可能少
• \d+(?:,\d+)?-一种int/float值模式：1+位后跟可选的,和1+位序列
• $-字符串的结尾

见regex demo

Answer 2

以下内容应简化当前的正则表达式：

import re

s = '18-02-202010:44:48PEDMILANO OVE3ST- BINASCOA1,40'

re.search(r'\:\d+([A-Z].*?)(?=\d+\,\d+$)', s).group(1)
# 'PEDMILANO OVE3ST- BINASCOA'

---

见demo

• \d+([A-Z].*?)(?=\d+\,\d+$)

  • \：匹配字符：字面上（区分大小写）
  • \d+：匹配一个数字（等于[0-9]）
  • +量词-在一次和无限次之间匹配，尽可能多地匹配，根据需要返回（贪婪）
  • 第一捕获组([A-Z].*?) 匹配下面列表中的单个字符[A-Z]
    • A-Za（索引65）和Z（索引90）之间的单个字符（区分大小写）
    • .*?匹配任何字符（行终止符除外）
    • *?量词-在零次和无限次之间进行匹配，匹配次数尽可能少，根据需要进行扩展（惰性）
  • 正向前瞻（？=\d+\，\d+$） 断言下面的正则表达式匹配
    • \d+匹配一个数字（等于[0-9]）
    • +量词-在一次和无限次之间匹配，尽可能多地匹配，根据需要返回（贪婪） \，匹配字符，字面上（区分大小写）
  • \d+匹配一个数字（等于[0-9]）
  • +量词-在一次和无限次之间匹配，尽可能多地匹配，根据需要返回（贪婪）
  • $断言行末尾的位置