python - 使用 Python 匹配文件中的数字

Question

我有大约 15,000 个文件需要解析，这些文件可能包含我拥有的列表中的一个或多个字符串/数字。我需要用匹配的字符串分隔文件。

给定一个字符串:3423423987，它可能独立出现为“3423423987”，或“3423423987_1”或“3423423987_1a”、“3423423987-1a”，但也可能是“2133423423987”。但是，我只想检测不属于另一个数字的匹配序列，只有当它有某种后缀时。

所以 3423423987_1 是可以接受的，但 13423423987 不是。

我在使用正则表达式时遇到了麻烦，老实说我没怎么用过它。

简单地说，如果我用可能的正面和负面列表模拟这个，对于给定的列表，我应该得到 7 个命中。我想将文本提取到单词的末尾，以便稍后记录。

这是我的代码:

def check_text_for_string(text_to_parse, string_to_find):
    import re
    matches = []
    pattern = r"%s_?[^0-9,a-z,A-Z]\W"%string_to_find
    return re.findall(pattern, text_to_parse)

if __name__ =="__main__":
    import re
    word_to_match = "3423423987"
    possible_word_list = [
                    "3423423987_1 the cake is a lie", #Match
                    "3423423987sdgg call me Ishmael",  #Not a match
                    "3423423987 please sir, can I have some more?", #Match
                    "3423423987", #Match
                    "3423423987 ", #Match
                    "3423423987\t", #Match
                    "adsgsdzgxdzg adsgsdag\t3423423987\t", #Match
                    "1233423423987", #Not a match
                    "A3423423987", #Not a match
                    "3423423987-1a\t", #Match
                    "3423423987.0", #Not a match
                    "342342398743635645" #Not a match
                    ]

    print("%d words in sample list."%len(possible_word_list))
    print("Only 7 should match.")
    matches = check_text_for_string("\n".join(possible_word_list), word_to_match)
    print("%d matched."%len(matches))
    print(matches)

但显然，这是错误的。有人可以帮我吗？

Answer 1

您似乎只想确保数字不匹配为 float 的一部分。然后，您需要使用 lookarounds、lookbehind 和 lookahead 来禁止前后带有数字的点。

(?<!\d\.)(?:\b|_)3423423987(?:\b|_)(?!\.\d)

参见 regex demo

要同时匹配“前缀”(或者，最好在这里称它们为“后缀”)，您需要添加类似 \S* 的内容(零个或多个非空格)或 (?:[_-]\w+)? (可选的 - 或 _ 后跟 1+ 个单词字符)在模式的末尾。

详细信息:

• (?<!\d\.) - 如果我们在当前位置之前有一个数字和一个点，则匹配失败
• (?:\b|_) - 单词边界或 _ (我们需要它，因为 _ 是一个字符字符)
• 3423423987 - 搜索字符串
• (?:\b|_) ——同上
• (?!\.\d) - 如果点 + 数字紧跟在当前位置之后，则匹配失败。

所以，使用

pattern = r"(?<!\d\.)(?:\b|_)%s(?:\b|_)(?!\.\d)"%string_to_find

参见 Python demo

如果可以有像Text with .3423423987 float value这样的 float ，您还需要添加另一个后视 (?<!\.)在第一个之后:(?<!\d\.)(?<!\.)(?:\b|_)3423423987(?:\b|_)(?!\.\d)