Использование регулярного выражения для извлечения числа

Question

Как извлечь числовое выражение из string, которое может иметь или не иметь underscore или hyphen. Например,как 2016-03 или 2016_03 или просто 201603.

Примеры строк:

s = 'Total revenue for 2016-03 is 3000 €'  # Output 2016-03
s = 'Total revenue for 2016_03 is 3000 €'  # Output 2016_03
s = 'Total revenue for 201603 is 3000 €'   # Output 201603

Есть 6 чисел, и в случае, если у нас есть либо -, либо _, тогда общая длина равна 7. Во всей строке нет никакого number.

Я не знаю, как использовать if-else в regex, так что в него может входить логикадлина 6 или 7. Для простых строк, таких как 201603, я могу это сделать -

import re
print(re.findall('\d{6}','Total revenue for 201603 is 3000 €'))
['201603']

print(re.findall('\d{6}','Total revenue for 2016-03 is 3000 €'))
[]

Примечание: Я ищу решение, где теоретически _ или - может быть где угодно между 6-ю номерами длины. Как 123-456 или 123456 или 12345-6 и т. Д.

Answer 1

Может быть два подхода: один более читабельный, сначала разбивая строку, а затем получая первый элемент, соответствующий требуемому шаблону, или менее читаемый подход с одним регулярным выражением.

См. * 1003. * Python demo :

import re
s = 'Total revenue for 201603 is 3000 €'
rx = re.compile(r'^(?=\d+(?:[_-]\d+)?$)[\d_-]{6,7}$')
res = [x for x in s.split() if rx.search(x)]
if len(res):
    print(res[0])

# Pure regex approach:
rx = re.compile(r'(?<!\S)(?=\d+(?:[_-]\d+)?(?!\S))[\d_-]{6,7}(?!\S)')
res = rx.search(s)
if res:
    print(res.group())

Итак, при первом подходе строка разделяется пробелами, и шаблон ^(?=\d+(?:[_-]\d+)?$)[\d_-]{6,7}$ применяется к каждому элементу, и, если есть совпадения,первый возвращается. Шаблон соответствует:

• ^ - начало строки
• (?=\d+(?:[_-]\d+)?$) - положительный прогноз, который гарантирует, что есть 1+ цифр, затем _ или -и затем снова 1+ цифр до конца строки,
• [\d_-]{6,7} - соответствует 6 или 7 цифрам, - или _
• $ - конец строки.

Второй подход включает только регулярное выражение, и якорь ^ заменяется на (?<!\S), а $ заменяется на (?!\S), которые действуют как границы пробелов. (?<!\S) - это отрицательный взгляд назад, для которого требуется пробел или начало строки непосредственно перед текущей позицией, а (?!\S) - это отрицательный взгляд, который требует пробела или конца строки сразу после текущей позиции.

Answer 2

Вы можете использовать положительный вид сзади, если уверены, что требуемое значение всегда соответствует стандартному шаблону

(?<=^Total revenue for )\d+[-_]?\d+

• (?<=^Total revenue for ) - совпадению должно предшествовать Total revenue for, ^начало с начала строки
• \d+ - соответствует одной или нескольким цифрам
• [-_]? - соответствует - or _ (необязательно)

Regex Demo

---

Или вы можете расширить вышеприведенное регулярное выражение таким образом, если вы не уверены, что требуемый формат значения

(?<=^Total revenue for )(?=\d+[-_]?\d+)[\d_-]{6,7}(?!\S)

• (?=\d+[-_]?\d+)- Для обеспечения digit followed by - or _ optional followed by digit
• [\d_-]{6,7} - Для совпадения digit or - or _, 6 or 7 times
• (?!\S) - Не должно сопровождаться пробелом

Regex Demo

Answer 3

Ваш RegEx следующий: начинается с пробела, последовательность не менее одной цифры (цифр) и заканчивается пробелом. Это приходит к следующему:

\s(\d*)\s

Проверьте это здесь: https://regex101.com/r/V4NzLj/1

Answer 4

Это должно сделать это довольно просто:

print(re.findall(r'\d{4}[-_]?\d{2}', 'Total revenue for 201603 is 3000 €'))
# ['201603']

В частности, это «Четыре цифры, за которыми следует либо ноль, либо одно вхождение либо '-', либо '_', а затем еще две цифры»,Если дефис или знак подчеркивания отсутствуют, четырехзначные и двухзначные цифры заканчиваются тем же, что и запрос шестизначного числа. однако, есть одна вещь, которую вы можете сделать, просто отфильтровав ее:

nums = re.findall(r'\d{4}[-_]?\d{2}', 'Total revenue for 2016-03 is 3000 €')
# nums = ['2016-03']
nums = [num.replace('-', '').replace('_', '') for num in nums]
# nums = ['201603']

Обратите внимание, что это решение, которое меньше всего мешает вашему исходному регулярному выражению, и будет искать этот шаблон из "четырехцифры, после которых может быть разделитель, а затем две цифры в любом месте строки. Если вы хотите ограничить это значение просто строкой, которую вы пытаетесь найти, игнорируя аналогичные строки, вам может понадобиться сделать регулярное выражение более конкретным. См. Также документацию re