python - 从字符串 python 中提取年龄

Question

考虑这个字符串:

s="""A25-54 plus affinities targeting,Demo (AA F21-54),
A25-49 Artist Affinity Targeting,M21-49 plus,plus plus A 21+ targeting"""

我正在寻找修复我的模式，该模式目前没有拉出字符串中的所有年龄组(当前输出中缺少 A 21+)。

当前尝试:

import re
re.findall(r'(?:A|A |AA F|M)(\d+-\d+)',s)

输出:

['25-54', '21-54', '25-49', '21-49'] #doesnot capture the last group A 21+

预期输出:

['A25-54','AA F21-54','A25-49','M21-49','A 21+']

如您所见，我也想要最后一组，即 A 21+，目前我的输出中缺少它。

此外，如果我可以获得与捕获组关联的字符串。目前我的输出除了没有捕获所有组之外没有年龄组之前的字符串。例如:我想 'A25-54 而不是 '25-54' ，我猜是因为 ?: 。

感谢我能得到的任何帮助。

Answer 1

匹配的缺失部分是由于您的模式包含一个捕获组，一旦正则表达式中有一个捕获组，re.findall 仅返回该部分。第二个问题是您应该匹配 - 后跟 1 个或多个数字 或 在第一个或多个数字之后的文字 + 符号匹配。

你可以使用

(?:A|A |AA F|M)\d+(?:-\d+|\+)

注意:您可能希望在开头添加一个单词边界以仅匹配那些 A、AA F 等作为整体单词:r'\b(?:A|A |AA F|M)\d+(?:-\d+|\+)'。

参见 regex demo和 regex graph :

详情

• (?:A|A |AA F|M) - 非捕获组匹配 A, A , AA 、AA F 或 M
• \d+ - 1+ 位
• (?:-\d+|\+) - 非捕获组匹配 - 和它后面的 1+ 个数字或单个 +符号。

Python demo :

import re
s="""A25-54 plus affinities targeting,Demo (AA F21-54),
A25-49 Artist Affinity Targeting,M21-49 plus,plus plus A 21+ targeting"""
print(re.findall(r'(?:A|A |AA F|M)\d+(?:-\d+|\+)',s))
# => ['A25-54', 'AA F21-54', 'A25-49', 'M21-49', 'A 21+']