python - 用于解析所有行的正则表达式以字母数字代码开头并以价格结尾

Question

我编写了一个小 python 脚本来解析大型数据文档的所有行。

我收集了某种类型的行:

LLNNNLL [混合数据和数字] 1.650,00

NNNNNN-LNN [混合数据和数字] 49,00

LLNNNL [混合数据和数字] 208,00

LLNNNLLL [混合数据和数字] 3,00

这是我的正则表达式模式:pattern = "^([A-Z\-0-9]){4,10}.*\d+,\d{2}"有更准确的方法吗？例如:如何指定每一行必须至少包含数字和字母？

Answer 1

how can I specify that each row must have at least numbers AND letter?

这可以在积极前瞻的帮助下完成。

pattern = "^(?=[^A-Z]*[A-Z])(?=\D*\d)[A-Z0-9-]{4,10}.*\d+,\d{2}"

(?=[^A-Z]*[A-Z]) 将在字符串开头触发，并且需要字符串中至少有一个 A-Z 字母。 (?=\D*\d) 也将被触发(在前面的前瞻返回 true 后)，并且需要至少一位数字。如果字符串中没有数字，则匹配失败(找不到匹配项)。

此外，如果数字必须位于“行”的末尾，请添加 $ anchor (字符串末尾)。

此外，请注意 .* 将“吃掉数字(应该与 \d+,\d{2} 匹配)”，直到 a 之前的数字。逗号，因为 .* 模式是贪婪的。这里没有区别除非你想捕获 float 。然后，使用惰性匹配 .*?.

如果模式不区分大小写，请在编译模式时使用不区分大小写的标志 re.I，或向模式添加 (?i) 内联修饰符开始。

更新

如果你想将条件限制为第一个非空白 block ，你可以使用

^(?=[0-9-]*[A-Z])(?=[A-Z-]*\d)[A-Z0-9-]{4,10}.*\d+,\d{2}
    ^^^^^^^         ^^^^^^^

我们检查可选的 0+ 数字/连字符后是否有一个字母以及 0+ 字母或连字符后是否有一个数字(请参阅 demo )或

^(?=\S*[A-Z])(?=\S*\d)[A-Z0-9-]{4,10}.*\d+,\d{2}

我们检查 0+ 个非空白字符 (\S*) 后的字母和数字。请参阅another demo