Question

我有这样的字符串

string="""Claim Status\r\n[Primary Status: Paidup to Rebilled]\r\nGeneral Info.\r\n[PA Number: #######]\r\nClaim Insurance: Modified\r\n[Ins. Mode: Primary], [Corrected Claim Checked], [ICN: #######], [Id: ########]"""

tokens=re.findall('(.*)\r\n(.*?:)(.*?])',string)

输出

 ('Claim Status', '[Primary Status:', ' Paidup to Rebilled]')
 ('General Info.', '[PA Number:', ' R180126187]')
 ('Claim Insurance: Modified', '[Ins. Mode:', ' Primary]')

想要的输出：

 ('Claim Status', 'Primary Status:Paidup to Rebilled')
 ('General Info.', 'PA Number:R180126187')
 ('Claim Insurance: Modified', 'Ins. Mode:Primary','ICN: ########', 'Id: #########')

Answer 1

您可以通过以下解决方案来实现所需的目标：

import re
s="""Claim Status\r\n[Primary Status: Paidup to Rebilled]\r\nGeneral Info.\r\n[PA Number: #######]\r\nClaim Insurance: Modified\r\n[Ins. Mode: Primary], [Corrected Claim Checked], [ICN: #######], [Id: ########]"""
res = []
for m in re.finditer(r'^(.+)(?:\r?\n\s*\[(.+)])?\r?$', s, re.M):
    t = []
    t.append(m.group(1).strip())
    if m.group(2):
        t.extend([x.strip() for x in m.group(2).strip().split('], [') if ':' in x])
    res.append(tuple(t))
print(res)

请参见Python online demo。输出：

[('Claim Status', 'Primary Status: Paidup to Rebilled'), ('General Info.', 'PA Number: #######'), ('Claim Insurance: Modified', 'Ins. Mode: Primary', 'ICN: #######', 'Id: ########')]

使用^(.+)(?:\r?\n\s*\[(.+)])?\r?$正则表达式，您可以匹配两行，其中第二行是可选的（由于(?:...)?是可选的非捕获组），第一行被捕获到组1中，而第二行被捕获（以[开头并以]结尾的字符被捕获到组2中。（请注意，\r?$是必需的，因为在多行模式下，$仅在换行符之前匹配，而在不匹配时将第1组的值添加到临时列表中，然后用], [拆分第二组的内容（如果不确定空格的数量，则可以使用re.split(r']\s*,\s*\[', m.group(2)) ），然后仅将其中包含:的那些项添加到临时列表中。

Answer 2

由于使用“捕获”正则表达式，每个结果将获得三个元素。像这样重写您的正则表达式以结合第二个和第三个匹配项：

re.findall('(.*)\r\n((?:.*?:)(?:.*?]))',string)

以(?:...)（而不是(...)）分隔的组是“非捕获”，即，它不算作\1等的匹配目标，而是不会被re.findall“看到”。我已使您的两个小组都无法捕获，并在它们周围添加了一个捕获（常规）组。

用于提取多个模式的正则表达式

2 个答案: