python - 如何使用正则表达式从看似乱码的文本中提取某些子文本模式？

Question

我有一些文本，其中一些记录(不是全部)中提到某人的年龄和性别为 28M、35 F 或 29 男，或 57 女等

我编写了以下正则表达式来检查输入字符串中是否存在与数字后跟 M 匹配的模式，如果是则将其打印出来，但代码不打印任何东西:

import re

text = 'Decision: Standard\r\n\r\n 36M NS\r\nBasic - 500th MP tdb addd cib 250th\r\n\r\nDue Date: Settlement date'

test_search = re.search('[0-9]+M', text)

if test_search:
    print("Age: "+test_search.group(0)+", Gender: "+test_search.group(1))

我预计它会打印年龄:36，性别:M。然而，它什么也没做——没有错误，没有输出，什么也没有。

我尝试了re.match('[0-9]+F', text)，也没有发生任何事情。

此外，我认为我必须编写与模式一样多的正则表达式(28M、35 F、29Male 各一个) ，57 女性等)。这是正确的方法吗？或者有没有办法一次搜索/查找/匹配所有这些模式？

Answer 1

您可以使用此正则表达式来匹配您提到的所有情况:

results = re.findall(r'(?i)(\d+)\s*([mf]|(?:fe)?male)\b', text)

RegEx Demo

详细信息:

• (?i):忽略大小写修饰符
• (\d+):匹配并捕获第 1 组中的 1 个以上数字
• \s*:匹配 0 个或多个空格
• ([mf]|(?:fe)?male):匹配或捕获M或F或male 或 女性 在第 2 组
• \b:字边界