如何在python中提取单词后面的字符串？

Question

我试图在一个字符串中得到一个参考号，在大多数情况下，它前面有“Ref”或类似的东西。在

例如：

Explorer II Ref.16570 Box

regex with further examples

问题是有很多不同的变体1，因为这是用户生成的内容。我如何用python检索前面的数字，例如Ref.？在

数字/字符串并不总是相同的模式，例如数字。它们可能与字符、圆点和斜杠混合在一起，但对于人眼来说，几乎每一行都有这样一个数字。在

例如：

Ref.16570
Ref. 16570
Referenz 216570
Referenz 01 733 7653 4159-07 4 26
331.12.42.51.01.002
166.0173
AB012012/BB01
Ref. 167.021
PAM00292
14000M
L3.642.4.56.6
161.559.50
801
666
753
116400GV
Ref.: 231.10.39.21.03.002
3233
Ref: 233.32.41.21.01.002
T081.420.97.057.01
16750
... almost each line in the example provided contains a certain ID

少量的假阳性不会是问题。在

Answer 1

不完全确定是否需要match或extract，但Ref\.?([ \d.]+)将提取Ref之后的任何数字（不区分大小写），即：

import re
result = re.findall(r"Ref\.?([ \d.]+)", subject, re.IGNORECASE | re.MULTILINE)

---

^{pr2}$

---

Regex Demo
Python Demo

---

正则表达式解释

Answer 2

尝试以下代码。它收集Ref之后的所有数据，直到一个预定义的塞子。使用句号是因为问题没有明确定义什么数据是引用（not always the same pattern，might be mixed with，for a human eye there is almost always）。我想需要额外的匹配处理来更准确地提取实际引用。在

import re

ref_re = re.compile('(?P<ref_keyword>Referenz|Ref\.|Ref)[ ]*(?P<ref_value>.*?)(?P<ref_stopper> - | / |,|\n)')

with open('1.txt', mode='r', encoding='UTF-8') as file:
    data = file.read()

for match in ref_re.finditer(data):
    print('key:', match.group('ref_keyword'))
    print('value:', match.group('ref_value'))
    # print('stopper:', match.group('ref_stopper'))

输出从以下行开始：

^{pr2}$

Answer 3

这应该能做到：

import re
str = 'Explorer II Ref.16570 Box'
m = re.match('Ref\.[0-9]+', str)
if m:
    print(m.group(0)[4:])

更多信息：

• https://docs.python.org/3/library/re.html#re.search
• https://docs.python.org/3/library/re.html#match-objects