Question

我正在努力使用正则表达式来提取fullstops之间的字符串的一部分，但如果前面有特定的字母（例如示例中的CO），则忽略一个句号。我们可以假设相关的块总是以“LTD。”结尾。

案例1：

string = "FREDS CHIP SHOP.  S & B SERVICES CO. & SONS LTD. 1-12 THE STREET"

我想："S & B SERVICES CO. & SONS LTD."

案例2：

string = "SOME TEXT.  BUSINESS NAME LTD. 1-12 THE STREET"

我想要"BUSINESS NAME LTD."

案例3：

string = "SIMPLE BUSINESS NAME LTD. 1-12 THE STREET"

我想要"SIMPLE BUSINESS NAME LTD."

我目前有：

#!/usr/bin/python
import sys
import re

vnumber_name = "FREDS CHIP SHOP.  S & B SERVICES CO. & SONS LTD. 1-12 THE STREET"
#vnumber_name = "SOME TEXT.  BUSINESS NAME LTD. 1-12 THE STREET"
#vnumber_name = "SIMPLE BUSINESS NAME LTD. 1-12 THE STREET"

def test(vnumber_name):
    #ltd = re.search(r'.+\sLTD[.]?', vnumber_name)
    ltd = re.search(r'[.?][\s]{1,2}(?:[^.]+|(?!CO.))LTD[.]?', vnumber_name)
    if ltd:
        print "got it: " + ltd.group(0)
    else:
        print "nothing"

test(vnumber_name)

这是不对的。

我可以创建一些if子句，但用一行正则表达式来获取它会很棒。

Answer 1

你可能想要豁免多个缩写，所以这里使用“负面观察”更灵活：从字符串的开头到下一个不的句点跟随某些字符串（此示例为CO或CORP。非贪婪的.*?（后跟一段时间）会使您匹配第一个这样的时段。

.*?(?<!..CO|CORP)\.

这将允许您将字符串正确分解为“句子”。如果您只对那些以LTD结尾的那些感兴趣，那么您可以选择那些。

除非CO，否则在完全停止之间提取字符串

1 个答案: