我希望使用python中的regex提取地址，在这里我可以使用一个查找器，这样我就可以得到包含地址的前面的3-4个字符串。

Question

text = ' My uncle is admitted in the hospital. the address of the hospital is \n Apollo Health City Campus, Jubilee Hills, Hyderabad - 500 033. '

现在，我使用这个作为正则表达式，但只是得到'Hills‘，而不是得到所需的输出。

re.findall(r'(\w\S+\s+)(?=Hyderabad){3}'

我想要的产出是-‘阿波罗健康城市校园，喜比利山，海得拉巴- 500 033。‘

我想要写一个regex表达式，它可以帮助我在城市名之前提取3到4个字符串，比如“Hyderabad”(在这种情况下)，以及原始字符串中是否存在特殊字符。

Answer 1

你可以用德克

from collections import deque

text = ' My uncle is admitted in the hospital. the address of the hospital is Apollo Health City Campus, Jubilee Hills, Hyderabad - 500 033. '

def guess_address(needle, string):
    stack, started = [], False
    de = deque(string.split())

    while de:
        word = de.pop()
        if word == needle:
            stack.append(word)
            started = True
        elif started and word[0].isupper():
            stack.append(word)
        elif started and word[0].islower():
            break

    return stack[::-1]

stack = guess_address('Hyderabad', text)
print(stack)

产额

['Apollo', 'Health', 'City', 'Campus,', 'Jubilee', 'Hills,', 'Hyderabad']

Answer 2

为什么正则表达式很可能是一个错误的方法？

正如蒂姆·罗伯茨在上面所指出的，这不是一个最好使用regex来处理的问题。它需要一个强大得多的工具，而不仅仅是正则表达式。

在这个答案中，您可以看到识别地址并将其拆分为街道地址、城市、邮政编码等元素的方法。我希望它能说明这个问题的复杂性。

您的例子表明，实际上您要做的是对医院和/或它们的地址等实体进行信息提取。可以使用经过培训的命名实体识别工具来检测文本中的此类实体。

如何构造前瞻性正则表达式

如果使用以下正则表达式：

r'((\w\S+\s+){1,6})(?=Hyderabad){3}'

它将提取您想要的内容：

阿波罗健康城校园，喜比利山，

请看这里的测试实例。请注意，感兴趣的部分是第一个匹配组，而不是整个匹配的文本。