python - 正则表达式模式在某个子字符串后查找 x 长度的 n 个非空格字符

Question

我正在使用这个正则表达式模式 pattern = r'cig[\s:.]*(\w{10})' 来提取 '''cig''' 之后的 10 个字符包含在我的数据框的每一行中。使用这种模式，我考虑了所有情况，除了子字符串中包含一些空格的情况。

例如，我试图从字符串中提取Z9F27D2198

/BENEF/FORNITURA GAS FEB-20 CIG Z9F                 27D2198 01762-0000031

在前面的字符串中，似乎是 Stack overflow 对其进行了格式化，但 CIG 之后的 F 和 2 之间应该有 17 个空格.

您能帮我编辑正则表达式模式以解决 10 个字符的子字符串中的空格吗？我还使用 flags=re.I 来忽略我的 re.findall 调用中字符串的大小写。

给出此模式适用的示例字符串:

CIG7826328A2B FORNITURA ENERGIA ELETTRICA U TENZE COMUNALI CONVENZIONE CONSIP E

它输出我想要的:7826328A2B。

提前致谢。

Answer 1

你可以使用

r'(?i)cig[\s:.]*(\S(?:\s*\S){9})(?!\S)'

参见 regex demo . 详细信息:

• cig - cig 字符串
• [\s:.]* - 零个或多个空格，: 或 .
• (\S(?:\s*\S){9}) - 第 1 组:一个非空白字符，然后出现九个零个或多个空白，后跟一个非空白字符
• (?!\S) - 紧靠右边，必须有空格或字符串结尾。

在Python中，你可以使用

import re
text = "/BENEF/FORNITURA GAS FEB-20 CIG Z9F               27D2198 01762-0000031"
pattern = r'cig[\s:.]*(\S(?:\s*\S){9})(?!\S)'
matches = re.finditer(pattern, text, re.I)
for match in matches:
  print(re.sub(r'\s+', '', match.group(1)), ' found at ', match.span(1))

# => Z9F27D2198  found at  (32, 57)

参见 Python demo .