python - 使用正则表达式从文本中提取单词和逗号之间的名称

问题描述

我有数千个带有大文本的 .txt 文件。我想从这些文件中提取一些信息，比如一些名称、数字和日期。有些字段遵循某种模式以便能够提取信息，但其他字段则不然。我附上三个文本示例。

当我需要提取公司创建者的名称和该公司的名称时，问题就来了。要提取创建者的名字，文本中有一个模式。提取公司名称编号。

模式是：以单词“ante mí:”开头，后跟姓氏并以逗号结尾。

我正在使用以下代码：

# Libreria RegEx de Python.
# coding=utf-8
import re

f = open ('/Users/anna/PycharmProjects/extractData/DiarioOficial/aaa1381582.pdf.txt','r')

mensaje = f.read()
mensaje = mensaje.replace("\n","")

print re.findall(r'\s ante mí,+[a-zA-Z]{6-24}\s', mensaje)

但我认为正则表达式是错误的。

有人能帮我吗？

CVE 1381582     

|     

Director: Juan Jorge Lazo Rodríguez    

Sitio Web:   

 www.diarioficial.cl    

|     

Mesa Central:   

 +562 2486 3600    

    Email:    

consultas@diarioficial.cl   

Dirección:    

Dr. Torres Boonen N°511, Providencia, Santiago, Chile.       

Este documento ha sido firmado electrónicamente de acuerdo con la ley N°19.799 e incluye sellado de tiempo y firma electrónica  

avanzada. Para verificar la autenticidad de una representación impresa del mismo, ingrese este código en el sitio web www.diarioficial.cl                           

DIARIO OFICIAL    

DE LA REPUBLICA DE CHILE    

Ministerio del Interior y Seguridad Pública      

V    

SECCIÓN       

CONSTITUCIONES, MODIFICACIONES Y DISOLUCIONES DE SOCIEDADES Y COOPERATIVAS                      

Núm. 42.031    

|    

Viernes 13 de Abril de 2018    

|    

Página 1 de 1      

Empresas y Cooperativas    

CVE 1381582        

EXTRACTO     

     

VALERIA RONCHERA FLORES, Notario Titular Décima Notaría Santiago, oficio  

Agustinas 1235, piso 2, CERTIFICO: Por escritura pública hoy ante mí: DANIEL ROLANDO  

CORNEJO GALLARDO, chileno, soltero, factor de comercio, con domicilio en Pueblo Hundido  

sin número, comuna de Rengo, Sexta Región del Libertador Bernardo OHiggins, de paso en  

ésta; constituyó sociedad por acciones denominada AGRÍCOLA Y TRANSPORTES SAN  

DANIEL SpA, nombre de fantasía SAN DANIEL SpA. Objeto Social: Objeto. La Sociedad  

tiene por objeto, la explotación integral del rubro agrícola, ganadero y forestal, por cuenta propia  

o ajena, de predios rústicos propios o ajenos, la importación, exportación, transformación y  

comercialización de productos agrícolas, ganaderos o forestales. En general, la realización de  

toda clase de negocios relacionados con el agro, la producción agropecuaria, frutícola o  

maderera, la compra, venta y exportación de la producción, sea la propia o ajena, servicios de  

embalaje, envasado, packing y de asesoría a productores, y la elaboración de alimentos, de toda  

clase a partir de esa producción; actuar como comisionista o mandatario, para la venta y  

comercio de productos agrarios; realizar inversiones en toda clase de bienes muebles o  

inmuebles, administrarlos y percibir sus frutos o rentas. Asimismo, el transporte de carga y/o  

pasajeros, en vehículos propios, arrendados o en leasing o encomendados a terceros; la  

representación de empresas extranjeras o nacionales de transporte y embalaje; todo lo  

relacionado, de cualquiera forma, en la actualidad o en el futuro, con el flete, traslado y  

transporte de pasajeros o bienes de toda clase y su embalaje, incluyendo las gestiones portuarias  

y aduaneras, en su caso. También el ejercicio de la actividad comercial en sus formas más  

amplias y, en especial, la compraventa, importación, exportación, distribución y  

comercialización de toda clase de bienes, por cuenta propia o ajena, la representación de  

empresas nacionales y extranjeras; y todo otro negocio o actividad conexa con el giro que  

acuerden los socios. Domicilio: Comuna y ciudad de Santiago, Región Metropolitana, sin  

perjuicio de que pueda establecer agencias, sucursales u oficinas en el resto del país o en el  

extranjero. Duración: Indefinida. Capital: $100.000.000.- dividido en 1.000 acciones,  

nominativas, de una sola serie y sin valor nominal; de las cuales el socio constituyente paga 10  

acciones, equivalentes a $1.000.000.-, al contado, en efectivo, que ingresan a caja social, el saldo  

de 990 acciones serán pagadas en un plazo de 3 años a contar de la suscripción del presente  

contrato. Administración: Por accionista constituyente DANIEL ROLANDO CORNEJO  

GALLARDO.- Demás pactos escritura extractada. "Santiago, 9 abril 2018".

标签： pythonregextextextract

python - 使用正则表达式从文本中提取单词和逗号之间的名称

问题描述

解决方案

推荐阅读