python - 正则表达式 - 查找包含至少 1 个大写字母、一位数字或一个特殊字符的连续 'words'

Question

我正在尝试提取至少包含以下一项的单词序列:

• 大写字符。
• 数字
• ':' 或 '-'

例如下面的短语:

• aBC 一直在联系 Maria 和 James，他们的系统 DB-54:ABB 的 DDD 代码是 12343-4。

我想提取以下项目:

• aBC
• 玛丽亚
• 詹姆斯
• DDD代码
• DB-54:ABB
• 12343-4

到目前为止，我有以下代码:

import re
re.findall(r'((\S*[A-Z|0-9|\:|\-]\w*)([\, |\.])?)', 'aBC has been contacting Maria and ere our DDD Code for system DB-54:ABB is 12343-4.')

哪个返回:

[('aBC ', 'aBC', ' '),
 ('Maria ', 'Maria', ' '),
 ('DDD ', 'DDD', ' '),
 ('Code ', 'Code', ' '),
 ('DB-54:ABB ', 'DB-54:ABB', ' '),
 ('12343-4.', '12343-4', '.')]

除了拆分 DDD 和代码之外，这将返回所有需要的项目。我的目标是将包含上述项目的连续单词组合在一起。 'DDD' 'Code' 都是大写字母，而且是连续的，属于同一个字符串

Answer 1

您可以添加 + 来重复该模式。我对它进行了一些简化，因为您在不需要的地方使用了反斜杠。这将产生您想要的 6 个捕获组:

((\S*[A-Z0-9:-]\w*)($|[ ,.]))+

Demo

放入代码:

import re

m = re.findall(r'(((\S*[A-Z0-9:-]\w*)($|[ ,.]))+)',
               'aBC has been contacting Maria and James where their DDD Code for system DB-54:ABB is 12343-4.')

print(m)

输出:

[('aBC ', 'aBC ', 'aBC', ' '),
 ('Maria ', 'Maria ', 'Maria', ' '),
 ('James ', 'James ', 'James', ' '),
 ('DDD Code ', 'Code ', 'Code', ' '),
 ('DB-54:ABB ', 'DB-54:ABB ', 'DB-54:ABB', ' '),
 ('12343-4.', '12343-4.', '12343-4', '.')]