正则表达式从字符串中提取用户名/名称

Posted 2023-02-23

【中文标题】正则表达式从字符串中提取用户名/名称

【英文标题】：Regex to extract usernames/names from a string

【发布时间】：2020-07-24 01:46:54

【问题描述】：

我的字符串包含名称，有时在字符串中包含用户名，后跟日期时间戳：

GN1RLWFH0546-2020-04-10-18-09-52-563945.txt
JOHN-DOE-2020-04-10-18-09-52-563946t64.txt
DESKTOP-OHK45JO-2020-04-09-02-27-11-451975.txt

我想从这个字符串中提取用户名：

GN1RLWFH0546
JOHN-DOE   
DESKTOP-OHK45JO

我尝试了不同的正则表达式模式，我最接近提取的结果如下：

GN1RLWFH0546
DESKTOP
JOHN

使用以下正则表达式模式：

names = re.search(r"\(?([0-9A-Za-z]+)\)?", agent_str)
print(names.group(1))

【问题讨论】：

你有没有想过先计算时间戳然后减去模式来获得用户名？

【参考方案1】：

import re

agent_str = ["GN1RLWFH0546-2020-04-10-18-09-52-563945.txt", "JOHN-DOE-2020-04-10-18-09-52-563946t64.txt", "DESKTOP-OHK45JO-2020-04-09-02-27-11-451975.txt"]

for sub in agent_str:
    names = re.search(r"([A-Za-z]+[A-Za-z0-9]+)(\-[A-Za-z]+[A-Za-z0-9]+)?", sub)
    print(names.group())

【参考方案2】：

下面的正则表达式怎么样：(.*)-\d4-。这匹配后跟连字符、四位数字和另一个连字符的任何内容。

使用上面的正则表达式，第一组是用户名，ala:

import re
agent_str = 'DESKTOP-OHK45JO-2020-04-09-02-27-11-451975.txt'
names = re.search(r'(.*)-\d4-', agent_str)
print(names.group(1)) 

【参考方案3】：

我建议去掉你不想要的尾随内容，留下你想要的：

inp = "GN1RLWFH0546-2020-04-10-18-09-52-563945.txt"
out = re.sub(r'-\d4-\d2-\d2.*$', '', inp)
print(out)

打印出来：

GN1RLWFH0546

请参阅下面的正则表达式演示。

Demo

【参考方案4】：

您可以获得直到第一次出现-+digits+-的所有文本：

^.*?(?=-\d+-)

如果数字必须恰好是 4 位数字（例如，如果是年份），则将 + 替换为 4：

^.*?(?=-\d4-)

见regex demo

详情

^ - 字符串开头 .*? - 除换行符之外的任何 0+ 字符，尽可能少 (?=-\d+-) - 直到第一次出现 - 和 1+ 位（或者，如果使用 \d4，则正好是四位），然后是 -（这部分不会作为正向前瞻添加到匹配值中是一种非消耗模式）。

见Python demo:

import re
strs = ["GN1RLWFH0546-2020-04-10-18-09-52-563945.txt", "JOHN-DOE-2020-04-10-18-09-52-563946t64.txt", "DESKTOP-OHK45JO-2020-04-09-02-27-11-451975.txt"]
rx = re.compile(r"^.*?(?=-\d+-)")
for s in strs:
  m = rx.search(s)
  if m:
    print(" => ''".format(s, m.group()))

输出：

GN1RLWFH0546-2020-04-10-18-09-52-563945.txt => 'GN1RLWFH0546'
JOHN-DOE-2020-04-10-18-09-52-563946t64.txt => 'JOHN-DOE'
DESKTOP-OHK45JO-2020-04-09-02-27-11-451975.txt => 'DESKTOP-OHK45JO'