时间戳

首页 > 解决方案 > 在正则表达式中跳过匹配

python - 在正则表达式中跳过匹配

问题描述

我正在尝试从文本中提取一些数值。跳过是基于匹配的文本完成的。例如 ：

      Input Text - 
      ABC Company Export Items 4 Bought by XYZ Amount 400.00 with GST# 36479 GST percentage is 20%.
      OR
      ABC Company Export Items 4 Bought by XYZ Amount 400.00 with GST Reg No. 36479 GST% is 20%.
      OR
      ABC Company Export Items 4 Bought by XYZ Amount 400.00 with GST Reg# 36479 GST% is 20%.

      Output Text -
      Amount 400.00
      GST 36479
      GST 20%

要点是输入文本可以是任何格式，但输出文本应该相同。相同的一件事是 GST 编号将是非十进制数字，GST 百分比将是数字后跟“％”符号，金额将采用十进制形式。

我试过但无法在 GST 之后跳过非数字值。请帮忙。

我尝试了什么：

              pattern = re.compile(r"\b(?<=GST).\D(\d+)")

标签： pythonregex

解决方案

您可以使用

\bAmount\s*(?P<amount>\d+(?:\.\d+)?).*?\bGST\D*(?P<gst_id>\d+(?:\.\d+)?).*?\bGST\D*(?P<gst_prcnt>\d+(?:\.\d+)?%)

请参阅正则表达式演示。详情：

  • \bAmount\s*- 一个完整的单词Amount和零个或多个空格
  • (?P<amount>\d+(?:\.\d+)?)- 组“金额”：一位或多位数字，然后是一位或多位数字的可选.序列
  • .*?- 一些文本（不包括空格）
  • \bGST- 一个字GST
  • \D*-除数字以外的零个或多个字符
  • (?P<gst_id>\d+(?:\.\d+)?)- 组“gst_id”：一个或多个数字，然后是一个或多个数字的可选.序列
  • .*?- 一些文本（不包括空格）
  • \bGST\D*- 一个单词GST，然后是零个或多个数字以外的字符
  • (?P<gst_prcnt>\d+(?:\.\d+)?%)- 组“gst_prcnt”：一个或多个数字，然后是一个或多个数字的可选序列.，然后是一个%字符。

请参阅Python 演示：

import re
pattern = r"\bAmount\s*(?P<amount>\d+(?:\.\d+)?).*?\bGST\D*(?P<gst_id>\d+(?:\.\d+)?).*?\bGST\D*(?P<gst_prcnt>\d+(?:\.\d+)?%)"

texts = ["ABC Company Export Items 4 Bought by XYZ Amount 400.00 with GST# 36479 GST percentage is 20%.",
"ABC Company Export Items 4 Bought by XYZ Amount 400.00 with GST Reg No. 36479 GST% is 20%.",
"ABC Company Export Items 4 Bought by XYZ Amount 400.00 with GST Reg# 36479 GST% is 20%."]

for text in texts:
    m = re.search(pattern, text)
    if m:
        print(m.groupdict())

输出：

{'amount': '400.00', 'gst_id': '36479', 'gst_prcnt': '20%'}
{'amount': '400.00', 'gst_id': '36479', 'gst_prcnt': '20%'}
{'amount': '400.00', 'gst_id': '36479', 'gst_prcnt': '20%'}

推荐阅读