Question

我的目标是在文本中找到并不总是存在所有匹配项的匹配项。

我正在尝试从网站上收集电话号码，电子邮件和场地网站。只有一些场地可以获得所有三种信息，但大多数只有一两个。我试着写一个代码。但是，仅当所有3个信息都可用时，它才有效。有人可以帮我解决什么问题吗？

grouped = re.compile('col-right[\s\S]*?' +
                     'Tel[\s\S]*?([0-9]{0,4}-?[0-9]{3,7}-?[0-9]{0,4}-?[0-9]{0,4})' +
                     '[\s\S]*?href="http://([\w\W]*?)"' +
                     '[\s\S]*?href="mailto:([\s\S]*?)">[\s\S]*?</div>')
for match in re.finditer(grouped, text):
    print (match.group(1))
    print (match.group(2))
    print (match.group(3))

电话号码中的数字也用“ - ”分隔，但有时在“ - ”和下一组数字之间有一个空格。如何在代码中包含仅偶尔出现此空间的内容？

Answer 1

你的逻辑很好，但需要一点工作。

首先，您需要电话号码。为它写一个正则表达式，并将其添加到一个组：var obj = [{tag: 'ft001', addr: 'DB415.DBD2'}, {tag: 'ft001', addr: 'DB415.DBD6'}]; function extractKey(arr, keyName) { return arr.map(x=> x[keyName]) }该组标有(regex)*，(``)表示它必须存在0次或更多次。

撰写下一个正则表达式，将其添加到另一个组*和第三个组(emailRegex)*。

而不是(website)*您也可以使用*，一次或根本不使用（我可以看到，您使用了?。

现在，把它们放在一起，只需将它们与它们之间的任何角色混合

grup1匹配电话号码，后跟任何字符，电子邮件，后跟任何字符，网站。如果其中一个缺失，则完全没有问题。

电子邮件正则表达式示例:(可能不是最完整的一个）

(group1)?.*(emailRegex)?.*(website)*

这样的工作方式如下：电子邮件应以字母或下划线 _ 开头，后跟大写/小写，数字，下划线或点（。）后跟 @ 和字母后跟一个点（注意我使用([a-zA-Z_]+[a-zA-Z_.-0-9]*@[a-zA-Z0-9]\.[a-z]+])?来逃避特殊的\.表示法，最后你添加了至少一个混合一封信。

适用于 email@mail.com 。

我将整个正则表达式放在括号中意味着它是一个组，它应该出现一次或根本不出现（因此any character）。在群组之间，您添加?，这意味着在电话号码/电子邮件/地址之间可以是任何字符。

正则表达式 - 部分匹配

1 个答案: