如何检查一个字符串是否在两个字符串之间，并用regex返回以下字符

Question

我想检查一个字符串是否在一个文本文件中，在另外两个字符串之间，如果为真，则返回与正则表达式匹配的下一个字符串。。。你知道吗

我不知道该怎么做！你知道吗

既然你可能听不懂我的解释，我就用我的问题来解释：

我正在创建一个应用程序（在python中）读取pdf并将其转换为.txt。你知道吗

在这个txt文件中，我想找到pH并返回它。我知道我会在第10节和第11节之间找到它，就像这样：

10. blablablablabla pH 7,6 blablablabla 11.

所以呢

1. 我怎样才能在"10."和"11."之间减少我的研究？你知道吗

2. 对于pH部分，我认为这是类似于：

   if 'pH' in open(file).read():

3. 如果我们找到'ph'，我如何编码希望下一个字符串遵循这个正则表达式：re.search("[0-9]{1}[,.]?[0-9]?", file)

Answer 1

我将使用以下方法：

regex = re.compile(r"\b10\.(?:(?!\b11\.|\bpH\b).)*\bpH\b\s*(\d+(?:[.,]\d+)?)(?=.*\b11\.)", re.DOTALL)
pH = regex.search(my_string).group(1)

测试它live on regex101.com。你知道吗

它只匹配pH值，如果它在10.和11.之间，如果有多个pH值，它会找到第一个pH值。你知道吗

说明：

\b10\.        # Match 10. (but not 110.)
(?:           # Start of a (repeating) group that matches...
 (?!          #   (if we're not at the start of either...
  \b11\.      #    the number 11.
 |            #    or  
  \bpH\b      #    the string pH
 )            #   )
 .            # any character (including newlines, therefore the DOTALL option).
)*            # Repeat as necessary.
\bpH\b        # Match the string pH
\s*           # Match optional whitespace
(             # Match and capture in group 1:
 \d+          # At least one digit
 (?:[.,]\d+)? # optionally followed by a decimal part
)             # End of capturing group 
(?=           # Assert that the following can be matched afterwards:
 .*           # any number of characters
 \b11\.       # followed by 11.
)             # End of lookahead assertion.

Answer 2

如果你能在234点放任何你想要的东西，这应该是可行的。它返回匹配“234”的pH符号之后的所有内容。你知道吗

import re

my_str = "10. blablablablabla pH 1234 11. 234"
match_list = re.findall(r'10\..*pH.*(234).*11\.', my_str)

print(match_list)

抽象地，这将查找与以下模式匹配的字符串：start_pattern wildcard pre_pattern wildcard captured_pattern wildcard end_pattern所有通配符都是.*，它匹配任何字符的0次或多次出现。捕获的模式位于两个大括号(my_pattern)之间，在本例中是234

为了更好地说明我的最后一点，下面是上面的变量：

import re

start_pattern = "10\."
end_pattern = "11\."
pre_pattern = "pH"
wildcard = '.*'
captured_pattern = "234"

my_str = "10. blablablablabla pH 1234 11. 234"

match_list = re.findall(r''
                        + start_pattern
                        + wildcard
                        + pre_pattern
                        + wildcard
                        + '(' + captured_pattern + ')'
                        + wildcard
                        + end_pattern
                        , my_str)

print(match_list)

Answer 3

如果我理解正确，我假设以10.开头的行总是以11.结尾。如果是这样，我们只需要找到10.，然后检查后面的内容：

10\.\s.+(?<=pH )(\d[.,]?\d)(?=\s)

这与10.匹配，然后匹配任何前面有"pH "的数字（使用后面的正查找）。然后它将捕获限制为2位数字，可以选择用句点或逗号分隔

see demo here

更新

根据注释中的说明，它现在具有11.结束分隔符，并捕获找到的第一个“pH”之后所需的数字

\b10\.\s.+(?<=pH )(\d[.,]?\d)\s.+?\b11\.

updated demo