Python正则表达式。在＆＃39;之后删除所有字符：＆＃39; （包括在行尾和特定字符串除外）

Question

我正在从日志文件中解析信息和布局数据。假设我有一些看起来像这样的行：

  

Book：190 Checked By：ABCD-1234-E5F6，状态：LATE返回：02.20.2018

我试图删除特定于该行的信息，如数字，序列号，日期等。但是，请说“状态：晚”＆＃39;应该留下。我想输出像：

  

Book Check Out Out，Status：LATE Return

（这个例子已经完成了。它对实际的数据和任务更有意义。）

目前我有：re.sub(':\s.*?(?=[^A-Z\d\-.])','', str)删除＆＃39;后面的所有字符：＆＃39;这不是大写字母，数字和＆＃39;。＆＃39;或者＆＃39; - ＆＃39; （它停在其他任何东西，如空格，a-z等）。但是我的输出是离开行中的最后一位并删除状态。

  

Book Checked Out By，Status：Return：10.20.2018

1. 如何指定删除＆＃39;之后的所有大写字母：＆＃39;除了＆＃39; LATE＆＃39;
这个词
2. 缺少什么会删除一行末尾的数字？

Answer 1

re.sub带有负面预测，以使LATE无法匹配：

re.sub(r':\s(?!LATE)[A-Z\d.-]+', '', str_)

• :\s匹配:后跟一个空格

• (?!LATE) - 零宽度否定前瞻确保在以下匹配中不会出现LATE

• [A-Z\d.-]+匹配[A-Z\d.-]

中的一个或多个

示例：

In [41]: str_ = 'Book: 190 Checked Out By: ABCD-1234-E5F6, Status: LATE Return: 02.20.2018'

In [42]: re.sub(r':\s(?!LATE)[A-Z\d.-]+', '', str_)
Out[42]: 'Book Checked Out By, Status: LATE Return'