在文本块中获取相同的正则表达式组

Posted 2023-02-15

【中文标题】在文本块中获取相同的正则表达式组

【英文标题】：getting same regex groups inside a block of text

【发布时间】：2022-01-01 07:43:19

【问题描述】：

我试图编写一个模式来将每个 CPNJ 组放入此文本块中，但条件是，需要以 executados: 开头并以 CNPJ 组结束。但是，我的模式总是排在最后一组，我不知道我应该为它的作品做些什么。

答案getting specific groups of patterns inside a block text无效！

模式：(?:executados\:)[\pL\s\D\d]+CNPJ\W+(?P<cnpj>\d+\.\d+\.\d+\/\d+-\d+)

要测试的字符串：

Dados dos executados:
1. FOO TEST STRING LTDA., CNPJ: 88.888.888/8888-88,
2. ANOTHER TEST STRING LTDA LTDA LTDA - ME, CNPJ: 99.999.999/9999-99,
3. FOO TEST STRING LTDA., CPF: 999.999.999-99,
4. FOO TEST STRING LTDA., CPF: 999.999.999-99.
Como medida de economia e celeridade processuais, atribuo a

我会得到值'cnpj': ['88.888.888/8888-88', '99.999.999/9999-99']，这种方式只是最后一个。

【问题讨论】：

使用像ideone.com/tVQC61这样的常规方法

@WiktorStribiżew 我看到了，但我需要尊重这个条件，在这种情况下，不是简单的 CNPJ 组，而是在 executados: 之后获取所有 CNPJ 组

是的，你只得到那些！你注意到text[text.index("executados:"):])了吗？

嗯，不好意思，我现在看到了！但是，可以在模式而不是代码中指定它吗？

仅如 TheFourthBird 所示，带有 PyPi 正则表达式模块。见this demo。

【参考方案1】：

您可以将 PyPi 正则表达式模块与正则表达式一起使用

(?s)(?<=executados:.*?)CNPJ\W+(\d+\.\d+\.\d+/\d+-\d+)

请参阅regex demo。

这里是Python demo：

import regex
text = """Dados dos executados:
1. FOO TEST STRING LTDA., CNPJ: 99.999.999/9999-99,
2. ANOTHER TEST STRING LTDA LTDA LTDA - ME, CNPJ: 99.999.999/9999-99,
3. FOO TEST STRING LTDA., CPF: 999.999.999-99,
4. FOO TEST STRING LTDA., CPF: 999.999.999-99.
Como medida de economia e celeridade processuais, atribuo a"""
print( regex.findall(r'(?s)(?<=executados:.*?)CNPJ\W+(\d+\.\d+\.\d+/\d+-\d+)', text) )

屈服

['99.999.999/9999-99', '99.999.999/9999-99']

正则表达式匹配

(?s) - regex.DOTALL，启用 . 匹配换行符 (?<=executados:.*?) - 在当前位置之前，必须有 executados:，然后是零个或多个字符 CNPJ - 固定字符串 \W+ - 一个或多个非单词字符 (\d+\.\d+\.\d+/\d+-\d+) - regex.findall 的返回值，第 1 组：一位或多位数字和两次 .，然后是一位或多位数字，/、one or more digits, -` 和一位或多位数字。

【讨论】：

Module regex 非常棒，在某些情况下绝对有效。但是，用于 RE 处理的 Python 官方模块re 已警告non-support 用于固定宽度lookbehind。最好使用基于官方模块re的fix-width lookbehind（即((?<=executados).)*）。事实上，re 的性能比其他任何同行都更稳定，因为cpython 有 40k+ 颗星，而regex 只有几十颗。