如何在正则表达式中作为一个整体使用数字

Question

我有一些中文地址，我想用正则表达式提取字符串。

"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+ number + (楼|单元)“的格式。我用(栋+[0-9]*(?!楼|单元))做的，但它把数字分开了。详情如下：

>>>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'>

我如何实现使用数字作为一个整体的目标？

更多的例子：

"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'>

这可能有点难理解，但我也希望有人能帮助解决这个问题。

提前谢谢。

Answer 1

在(栋+[0-9]*(?!楼|单元))|([0-9]+室)中，第一个选项将与栋匹配，后面跟着一个数字，后面不是楼，也不是单元。但这还不够；您还希望[0-9]*能够匹配尽可能多的数字，这意味着它的后面也不能跟着一个数字。否则，正如您所观察到的，它将与栋1在栋11中匹配：栋1后面跟着一个1，这不是禁止的跟踪序列之一。

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]*可能应该是[0-9]+，因为[0-9]*将愉快地匹配空字符串。

Answer 2

您可以使用条件语句：

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

• (\D\d{4}$)第一捕捉组。一个非数字的D，在字符串$的末尾跟着四位数的\d{4}。
• ?使前面的模式可选。
• (?(1)条件语句，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}，然后是非数字\D。

您可以尝试模式这里。

或者，您可以使用模式稍微加快正则表达式：

([栋元]\d{4}$)?(?(1)|(\d{4}[元室]))

它只检查字符栋或元，而不是任何非数字\D。

您可以尝试模式这里。

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'))

指纹：

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'>