python - 如何使用正则表达式过滤字符串模式以在文本行中匹配？

Question

我需要将给定文本中的正则表达式模式与 python 进行匹配。

正文为:

  """

       2010 Toyota FJ Cruiser FJ CRUISER

       Int. Color:

       Ext. Color:

       Black

       Trans:

       Automatic

       VIN:

        JTEZU4BF7AK009445  


      Stock:

      122821B

      DIFFERENTIALBLACK

     Status:

     Body Style: 
     SUV
     Engine:
     Gas V6 4.0L/241
                                             Dealership: Universal Toyota



    $29,988*
                                             Price

     View More Information


     Compare?

    """

从这段文本中我需要提取“JTEZU4BF7AK009445”(长度为17)vin后的这个模式:可能

我用了这个模式

        vin_pattern = re.compile('([A-Z0-9]{17})')
        vin = re.findall(vin_pattern,text)

        ["JTEZU4BF7AK009445","DIFFERENTIALBLACK"]

但是DIFFERENTIALBLACK不应匹配

我也使用了该模式

       price_pat = re.compile('(\$[0-9\,\.]+)')

匹配价格范围(“$”符号+值)

在这里，我需要仅在 VIN_PATTERN 的 50 个字符出现之前和之后检查此价格匹配模式。因为在某些情况下我有更多的价格值。所以，我需要过滤该 VIN 模式存在的 50 个字符之前和 50 个字符之后的文本

请问应该怎么做？

Answer 1

让我们首先通过将所有空格标准化为单个空格符号来稍微简化一下文本:

t2 = re.sub(r'[\n\t\ ]+', ' ', t)  # t is your original text

它使寻找 VIN 的任务变得更加容易:

re.findall('[A-Z]{3}[A-Z0-9]{10}[0-9]{4}', t2)
Out[2]: ['JTEZU4BF7AK009445']

然后你可以获取 VIN: 在字符串中的位置，并将 vin_position - 50, vin_position + 50 传递给 .findall 方法:

r2 = re.compile('(\$[0-9\,\.]+)')
r2.findall(t2, t2.find('VIN:') - 50, t2.find('VIN:') + 50)
Out[4]: []

在您的文本中，价格与 VIN 的距离超过 50 个字符，即您需要扩展此边界(100 个字符即可):

r2.findall(t2, t2.find('VIN:') - 100, t2.find('VIN:') + 100)
Out[5]: ['$29,988']