Question

我正在尝试从内容中获取下面的字符串，这是从pdf中提取的表格行的一部分。

$import re
$re.findall(r'\s\d+\s[Trillion$]+', '2 4334 Rigid Tall 54 Trillion somr text')
$[' 54 Trillion']

这是有效的，但如果字符串包含一些无效字符，则返回空列表，而不是我希望它应该抛出错误。

$re.findall(r'\s\d+\s[Trillion$]+', '2 4334 Rigid Tall 5&_4 T×rillion somr text')
$[]

但如果文本根本不存在则不应该抛出错误

Answer 1

您的正则表达式\s\d+\s[Trillion$]+有一个问题，即它使用的是字符类[...]，其中每个字符都是单独匹配的。因此，[Trillion$]+也会匹配TTTT或$$$$$。

您需要删除字符类，并使用.search代替.findall，如以下示例所示：

import re

input = ['2 4334 Rigid Tall 54 Txrillion somr text', '4334 Rigid Tall 54 Trillion somr text']

reg = re.compile(r'\b\d+\s+Trillion\b')

for s in input:
   res = reg.search(s)
   if res:
      print "Matched:", res.group(0), "::", s
   else:
      print "Didn't Match:", s

<强>输出：

Didn't Match: 2 4334 Rigid Tall 54 Txrillion somr text
Matched: 54 Trillion :: 4334 Rigid Tall 54 Trillion somr text

Code Demo

Answer 2

我创建了两个注册模式

为了匹配我们想要的确切结果
用于匹配可能有或没有特殊字符的结果

我们从reg-x得到结果并且依赖于我们引发错误的结果计数。请查看以下代码并演示here

import re

def process(text):
    result_a = re.findall(r'\d+\sTrillion',text)
    result_b = re.findall(r'[@#$%^&+=]*\d+[@#$%^&+=]*\d*\s[@#$%^&+=]*T[@#$%^&+=]*r[@#$%^&+=]*i[@#$%^&+=]*l[@#$%^&+=]*l[@#$%^&+=]*i[@#$%^&+=]*o[@#$%^&+=]*n[@#$%^&+=]*',text)
    if len(result_a)==0 and len(result_b)>0:
        print('raise error here beacause ',result_b)
    else:
        print(result_a)


tests = ["2 4334 Rigid Tall 54 Trillion somr text","2 4334 Rigid Tall +54 Tri+llio@n somr text"]
for test in tests:
    process(test)

严格的正则表达式python

2 个答案: