REGEX -范围间的提取，同时忽略特定的单词(python)

Question

我需要提取满足多种场景的车辆类的值，因此尝试在范围类和日期之间进行提取，但是对于很少的样本数据，需要忽略不必要的值(如holder和tolder )。我也试过，但不能排除这些词。

尝试过Regex：

1. (？<=Class\s)A(-|\s|)*(？=Date|TOLDER)
2. (？<=Class\s)A(-|\s|)*(？=Date)

样本数据1:车辆类别LMV MCWG发布日期

样本数据2:车辆类别MCWG发布日期

样本数据3:车辆类别LMV MCWG发布日期

样本数据4:车辆类别LMV MCWOG TOLDER签发日期

样本数据5:车辆类别MCWG LMV LMV-GV PSVBUS发布日期

样本资料6:车辆类别LMY MCWG持有人签发日期

预期输出:类和日期之间的值(例如:在样本数据1: LMV MCWG中，在样本数据6: LMY MCWG中，它应该忽略HOLDER签名)

Answer 1

您可以使用模式(MC[A-Z]+).*(LM[A-Z]+)|(LM[A-Z]+).*(MC[A-Z]+)

请参阅https://regex101.com/r/08lN88/1

Answer 2

您可以使用字符类匹配HOLDER或TOLDER。您可以在捕获组中捕获您想要的数据，而不是查找。

在字符类中，您使用的是\s，它也匹配一个空格，如果要匹配管道字符，可以使用单个| (注意，它在字符类中并不意味着OR )。

若要防止部分单词匹配，可以添加单词边界\b。

\bClass\s([a-zA-Z(|)\s-]*?)\s*(?:Date|[HT]OLDER)\b

看一个regex演示。

import re

pattern = r"\bClass\s([a-zA-Z(|)\s-]*?)\s*(?:Date|[HT]OLDER)\b"

s = ("sample data 1 :\n"
            "Vehicle Class\n"
            "LMV\n"
            "MCWG\n"
            "Date of Issue\n\n"
            "sample data 2 :\n"
            "Vehicle Class MCWG\n"
            "Date of issue\n\n\n"
            "sample data 3 : \n"
            "Vehicle Class LMV MCWG\n"
            "Date of issue\n\n"
            "sample data 4 :\n"
            "Vehicle Class LMV MCWOG\n"
            "TOLDER SIGNATURE\n"
            "Date of Issue \n\n"
            "sample data 5 :\n"
            "Vehicle Class MCWG LMV LMV-GV PSVBUS\n"
            "Date of issue\n\n"
            "sample data 6 :\n"
            "Vehicle Class LMY MCWG\n"
            "HOLDER SIGNATURE\n"
            "Date of Issue ")

print(re.findall(pattern, s))

输出

['LMV\nMCWG', 'MCWG', 'LMV MCWG', 'LMV MCWOG', 'MCWG LMV LMV-GV PSVBUS', 'LMY MCWG']