首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >在第一个字母数字字符前面标注特殊字符。

在第一个字母数字字符前面标注特殊字符。
EN

Stack Overflow用户
提问于 2019-06-04 03:13:22
回答 2查看 58关注 0票数 0

我有一个从数据中提取地址的正则表达式。regex查找“地址、地址、地址等”。然后接上后面的字符,直到出现4个整数为止。这包括需要剥离的特殊字符。

我运行一个循环来排除所有特殊字符,如下面的代码所示。我需要代码只删除第一个字母数字字符前面的特殊字符。

输入(来自图像的OCR ):

服务地址-_Unit8-10 LEWIS St,BERRI,SA 5343

代码语言:javascript
复制
        possible_addresses = list(re.findall('Address(.* \d{4}|)|address(.*\d{4})|address(.*)', data)) 
        address            = str(possible_addresses[0])

        for k in address.split("\n"): 
            if k != ['(A-Za-Z0-9)']:
                address_2 = re.sub(r"[^a-zA-Z0-9]+", ' ', k)

现在有:

地址:-_Unit 8-10 LEWIS ST,BERRI SA 5343

address_2 :第8单元10 LEWIS ST BERRI SA 5343

EN

回答 2

Stack Overflow用户

回答已采纳

发布于 2019-06-04 03:37:46

[\W_]*捕捉特殊的字符。

代码语言:javascript
复制
import re
data='Service address —_Unit8-10 LEWIS St, BERRI,SA 5343'
possible_addresses = re.search('address[\W_]*(.*?\d{4})', data,re.I)
address = possible_addresses[1]
print('Address : ' address)

地址:路易斯街8-10号,贝里,SA 5343

票数 1
EN

Stack Overflow用户

发布于 2019-06-04 03:31:58

我猜想,我们希望在这里设计的表达式应该是从address到四位数的压缩,不包括一些定义好的字符,比如_。然后,让我们从一个带有i标志的简单表达式开始,例如:

代码语言:javascript
复制
(address:)[^_]*|[^_]*\d{4}

演示

我们不想要的任何字符都会出现在这里,[^_]。例如,如果我们将!排除在外,我们的表达式将变成:

代码语言:javascript
复制
(address:)[^_!]*|[^_!]*\d{4}

测试

代码语言:javascript
复制
# coding=utf8
# the above tag defines encoding for this document and is for Python 2.x compatibility

import re

regex = r"(address:)[^_]*|[^_]*\d{4}"

test_str = ("Address: Unit 8 - 10 LEWIS ST, BERRI SA 5343 \n"
    "Address: Got now: __Unit 8 - 10 LEWIS ST, BERRI SA 5343\n"
    "aDDress: Unit 8 10 LEWIS ST BERRI SA 5343\n"
    "address: any special chars here !@#$%^&*( 5343\n"
    "address: any special chars here !@#$%^&*( 5343")

matches = re.finditer(regex, test_str, re.MULTILINE | re.IGNORECASE)

for matchNum, match in enumerate(matches, start=1):

    print ("Match {matchNum} was found at {start}-{end}: {match}".format(matchNum = matchNum, start = match.start(), end = match.end(), match = match.group()))

    for groupNum in range(0, len(match.groups())):
        groupNum = groupNum + 1

        print ("Group {groupNum} found at {start}-{end}: {group}".format(groupNum = groupNum, start = match.start(groupNum), end = match.end(groupNum), group = match.group(groupNum)))

# Note: for Python 2.7 compatibility, use ur"" to prefix the regex and u"" to prefix the test string and substitution.
票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/56436886

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档