Question

我有一些中文地址，我想用正则表达式提取字符串。我想像这样

"商城1栋11楼1112室 " #return <_sre.SRE_Match object; span=(7, 12), match='1112室'>

我的想法是删除满足“栋+数字+（楼|单元）”的格式。我用(栋+[0-9]*(?!楼|单元))来做，但是它把数字分开。如下：

>>>ms = re.finditer(re.compile("(栋+[0-9]*(?!楼|单元))|([0-9]+室)"),"商城1栋11楼1112室")

结果是：

<_sre.SRE_Match object; span=(3, 5), match='栋1'>
<_sre.SRE_Match object; span=(7, 12), match='1112室'>

我如何实现整体使用数字的目标？

更多示例：

"商城1栋1112"  #return <_sre.SRE_Match object; span=(3, 8), match='栋1112'>
"商城1栋23单元1112室"  #return <_sre.SRE_Match object; span=(8, 13), match='1112室'>

可能有点难以理解，但我也希望有人能帮助解决这个问题。

谢谢。

Answer 1

在(栋+[0-9]*(?!楼|单元))|([0-9]+室)中，第一个替代项将匹配栋，后跟一个数字，后跟楼或单元。但这还不够；您还希望[0-9]*匹配尽可能多的数字，这意味着也不能跟数字。否则，正如您所观察到的，它将与栋1中的栋11相匹配：栋1后跟1，这不是禁止的跟随序列。

因此，您需要将数字添加到无法跟随的事物列表中：

(栋+[0-9]*(?![0-9]|楼|单元))|([0-9]+室)

[0-9]*应该是[0-9]+，因为[0-9]*会很高兴地匹配一个空字符串。

Answer 2

您可以使用条件语句：

(\D\d{4}$)?(?(1)|(\d{4}\D))

(\D\d{4}$)第一个捕获组。非数字D，然后在字符串\d{4}的末尾跟随四位数字$。
?将前面的模式设为可选。
(?(1)有条件的语句，如果存在捕获组1，则不再匹配。
|(\d{4}\D))或|，匹配并捕获四位数字\d{4}，后跟一个非数字\D。

您可以尝试模式here。

或者，您可以使用以下模式稍微加快正则表达式的速度：

([栋元]\d{4}$)?(?(1)|(\d{4}[元室]))

仅检查字符栋或元，而不检查任何非数字\D。

您可以尝试模式here。

在Python中：

import re
pattern = re.compile('(\D\d{4}$)?(?(1)|(\d{4}\D))')

print(re.search(pattern,'商城1栋11楼1112室'))
print(re.search(pattern,'商城1栋1112'))
print(re.search(pattern,'商城1栋23单元1112室'))

打印：

re.Match object; span=(7, 12), match='1112室'>
<re.Match object; span=(3, 8), match='栋1112'>
<re.Match object; span=(8, 13), match='1112室'>

如何在正则表达式中整体使用数字

2 个答案: