Question

我有字符串，包含地址

str_addr = '300114 г Тула, Тульская область, Ленинский р-он, п РАССВЕТ, 75, к.34, тульская обл, Краснодарский край, гагарина 38, республика Хакасия'

我需要提取

Тульская, тульская, Краснодарский, Хакасия

我尝试使用

re.findall(r"\b[А-Я]\w*\s+(?:[кК]рай|[оО](бласть|бл))|\b[рР](еспублика|есп)\s+[А-Я]\w*", str_addr)

但是我得到一个空列表。

我该如何解决？

Answer 1

您可以使用

import re
str_addr = '300114 г Тула, Тульская область, Ленинский р-он, п РАССВЕТ, 75, к.34, тульская обл, Краснодарский край, гагарина 38, республика Хакасия Москва, Санкт-Петербург'
res = re.findall(r"\b([А-Яа-яёЁ][^\W\d_]*)\s+(?:[кК]рай|[оО]бл(?:асть)?)|\b[рР]есп(?:ублика)?\s+([А-Яа-яёЁ][^\W\d_]*)|([мМ]осква|[сС]анкт-Петербург)", str_addr)
print(["".join(x) for x in res])
# => ['Тульская', 'тульская', 'Краснодарский', 'Хакасия']

请参见Python 3 demo

详细信息

\b([А-Яа-яёЁ][^\W\d_]*)\s+(?:[кК]рай|[оО]бл(?:асть)?)：
- \b-单词边界
- ([А-Яа-яёЁ][^\W\d_]*)-第1组：俄语字母，后跟任意0+个字母
- \s+-超过1个空格
- (?:[кК]рай|[оО]бл(?:асть)?)-Край，край，область，Область，обл，Обл
|-或
\b[рР]есп(?:ублика)?\s+([А-Яа-яёЁ][^\W\d_]*)：
- \b-单词边界
- [рР]есп(?:ублика)?-Республика / Респ有变化
- \s+-超过1个空格
- ([А-Яа-яёЁ][^\W\d_]*)-第1组：俄语字母，后跟任意0+个字母
|-或
([мМ]осква|[сС]анкт-Петербург)-第3组：Москва或Санкт-Петербург。

["".join(x) for x in res]列表理解用于将空值放入返回的元组列表中。

正则表达式：从字符串中提取所有带有条件的子字符串

1 个答案: