使用python正则表达式进行前瞻断言和分组

假设我有很多行文字，比如这一行：

row = '   S.G. Primary School\t\t 434,612.50'

我想找到一个数字，它的格式和会计师的一样，然后我想向后看，把这个数字前面的一个或多个单词拉出来。我有这个号码：

test = re.search(r"""(?=((-?\d{1,3})(,\d{3})*(\.\d\d)?$|^\.\d\d$))""",row)
   S.G. Primary School       434,612.50
test.groups()
('434,612.50', '434', ',612', '.50')

test = re.search(r'([A-Za-z][A-Za-z_.]*){1,2}\s+((-?\d{1,3})(,\d{3})*(\.\d\d)?$|^\.\d\d$)',row)
('School', '434,612.50', '434', ',612', '.50')
('School', '434,612.50', '434', ',612', '.50')
('q', '434,612.50', '434', ',612', '.50')

这看起来是正确的。我有完整的数字和它的部分（所有我想要的）。但我不知道如何用前瞻性断言将单词（或短语）置于数字之前

我试过：

test = re.search(r"""([A-Za-z ].*) (?=((-?\d{1,3})(,\d{3})*(\.\d\d)?$|^\.\d\d$))""",row)
('   S.G. Primary School\t\t', '434,612.50', '434', ',612', '.50')

本周我花了4个小时重读regex文档，但我仍然不知道我是否有进展。例子似乎对我不起作用。我无法使用\w+，因为我希望标签仅为文本和空格，但我还希望从匹配的数字开始倒数。这听起来像是一个“积极的前瞻性断言”，一般格式为“\w+（？=\d）”，但这对我来说不起作用

另外-我对分配多个前瞻断言的正确方法感到困惑，这些断言在匹配返回之前都必须为true：

是

有什么不同于

r"""([A-Za-z ]*)(?=[A-Za-z ]*)(.*?)([\d,.]+)(?=[\d,.])"""

因为在本例中，两者产生相同的结果：

('   S', '.G. Primary School\t\t ', '434,612.5')

更新

这里有三个例子，我正在苦苦寻找正则表达式的答案：

import re
rows = ['   S.G. Primary School\t\t 434,612.50',
       '   S.G. Bad Primary School\t\t 434,612.50',
       '   N.3#=42^2492q\t\t\t 434,612.50']

for row in rows:
    test = re.search(r"""(?!\s)([A-Za-z]{0,25}) ?([a-zA-Z]{6,25}).*?(?=(?:(?:-?\d{1,3})(?:,\d{3})*(?:\.\d\d)?$|^\.\d\d$))((-?\d{1,3})(,\d{3})*(\.\d\d)?$|^\.\d\d$)""",row)
    if test != None:
        print test.groups()
    else:
        print test

这将返回：

('Primary', 'School', '434,612.50', '434', ',612', '.50')
('Bad', 'Primary', '434,612.50', '434', ',612', '.50')
None

我希望结果是：

('Primary', 'School', '434,612.50', '434', ',612', '.50')
('Primary', 'School', '434,612.50', '434', ',612', '.50')
('', '434,612.50', '434', ',612', '.50')

我希望代码可以调整，这样我也可以返回：

('School', '434,612.50', '434', ',612', '.50')
('School', '434,612.50', '434', ',612', '.50')
('', '434,612.50', '434', ',612', '.50')

经过修改

更新

根据Casimir的回答，这会返回更好的数据，但我不明白如何在数字之前获得多个单词短语：

test = re.search(r"""(?=((-?\d{1,3})(,\d{3})*(\.\d\d)?$|^\.\d\d$))""",row)
   S.G. Primary School       434,612.50
test.groups()
('434,612.50', '434', ',612', '.50')

test = re.search(r'([A-Za-z][A-Za-z_.]*){1,2}\s+((-?\d{1,3})(,\d{3})*(\.\d\d)?$|^\.\d\d$)',row)
('School', '434,612.50', '434', ',612', '.50')
('School', '434,612.50', '434', ',612', '.50')
('q', '434,612.50', '434', ',612', '.50')

我不知道为什么

test = re.search(r'([A-Za-z_.]*){1,2}\s+((-?\d{1,3})(,\d{3})*(\.\d\d)?$|^\.\d\d$)',row)

给出一个错误：没有要重复的内容。我所做的就是改变

[A-Za-z][A-Za-z_.]*){1,2} 

到

第一组

也许：

test = re.search(r'([A-Za-z][A-Za-z_.]*){0,}\s+([A-Za-z][A-Za-z_.]*){0,}\s+((-?\d{1,3})(,\d{3})*(\.\d\d)?$|^\.\d\d$)',row)

更好，因为我得到了第一个单词和第二个单词，但不确定如何组合它们并使它们成为可选的：

('Primary', 'School', '434,612.50', '434', ',612', '.50')
('Primary', 'School', '434,612.50', '434', ',612', '.50')
('q', None, '434,612.50', '434', ',612', '.50')

更新

我已将Casimir的答案（稍加修改）{0,2}更改为{0,1}，并使用findall版本对其进行了测试：

import re
rows = ['   S.G. Primary School\t\t 434,612.50 S.G. Primary School\t\t 434,612.50',
       '   S.G. Bad Primary School\t\t 434,612.50 Bad Primary School\t\t 434,612.50',
       '   N.3#=42^2492q\t\t\t 434,612.50  N.3#=42^2492q\t\t\t 434,612.50  N.3#=42^2492q\t\t\t 434,612.50 ']

for row in rows:
    test = re.findall(r"(?i)([a-z][a-z_.]*(?:\s+[a-z][a-z_.]*){0,1})?\s+((-?\d{1,3})(?:,\d{3})*(?:\.\d\d)?$|^\.\d\d$)",row)
    test = re.findall(r"(?i)([a-z][a-z_.]*(?:\s+[a-z][a-z_.]*){0,1})?\s+(-?\d{1,3}(?:,\d{3})*(?:\.\d\d)?)",row)
    print test 

但是第一个测试返回这个（当第二个测试语句被注释掉时）：

第二个测试语句返回这个，一个结果列表-我想要什么，sorta：

[('Primary School', '434,612.50'), ('Primary School', '434,612.50')]
[('Primary School', '434,612.50'), ('Primary School', '434,612.50')]
[('q', '434,612.50'), ('q', '434,612.50'), ('q', '434,612.50')]

---

但是这些语句非常相似，我不知道为什么列表中缺少多个数字/标签。

您根本不需要前瞻：

(?i)([a-z][a-z_.]*(?:\s+[a-z][a-z_.]*){0,2})?\s+(-?\d{1,3}(?:,\d{3})*(?:\.\d\d)?)

使用

{0，…}

可以控制需要多少单词。如果需要所有单词，请将其替换为

*

。如果希望最多使用一个单词，则必须删除所有非捕获组：

(?i)([a-z][a-z_.]*)?\s+(-?\d{1,3}(?:,\d{3})*(?:\.\d\d)?)

如果你想要三个字：

(?i)([a-z][a-z_.]*(?:\s+[a-z][a-z_.]*){2})\s+(-?\d{1,3}(?:,\d{3})*(?:\.\d\d)?)

如果要避免“非单词”（如“q”字母）中的单个字母，可以添加：

(?i)((?:^|(?<=\s))[a-z][a-z_.]*(?:\s+[a-z][a-z_.]*){0,2})?\s+(-?\d{1,3}(?:,\d{3})*(?:\.\d\d)?)

---

（？i）（？：^ |）（？我有点困惑。
（'S.G.Primary School\t\t'，'434612.50'，'434'，'612'，'.50'）
你在寻找什么？理想的情况下，我想充分理解这一点，抓住（'S.G.Primary School'，'434612.50'，'434'，'612'，'.50'）或（'S，'434612.50'）。这会让我接近你，但不是“学校”本身：test=re.search（r”“）（？！\s）（[a-zA-Z]{6,25}）。*（？=（？：（？：-？{1,3}）（？：，\d{3}）*（？：，\d{3}）（？：。。\d\d$）（（（（？\d{1,3}）（，\d{3}）*（\。\d\d\d\d}）$），“行）所以你想将），对吗？这将捕获第一个“短语”原样：
re.search（r”“）（\s+\D+\s+（？=（（（（-\D{1,3}）（，\D{3}）*（\。\D\D）$\124; ^\。\ D\D$）））”，row）。groups（）
。这就是你要找的吗？@MarcMaxson：为什么是“小学”而不是“s.G.小学”？我们还不知道；-）他没有解释完整的情况。是的，但我能从他的精神中通过网络感觉到他不需要向前看。我倾向于同意这一点；-）但假设是通往地狱的道路。根据你的回答，我发现这一点越来越近了（返回'school'，但还没有返回两个字的'Primary school'：r'（[a-Za-z][a-Za-z.]*）{1,2}\这不是我的模式。
(?i)((?:^|(?<=\s))[a-z][a-z_.]*(?:\s+[a-z][a-z_.]*){0,2})?\s+(-?\d{1,3}(?:,\d{3})*(?:\.\d\d)?)

(?i)                      # make the pattern case insensitive
(                         # open the first capturing group
    (?:^|(?<=\s))         # begining of the string or lookbehind with space
    [a-z][a-z_.]*         # a letter and zero or more chars from [a-z_.]
    (?:                   # open a non-capturing group
        \s+               # one or more spaces
        [a-z][a-z_.]*     # a letter and zero or more chars from [a-z_.]
    ){0,2}                # repeat the capturing group zero or two times
)?                        # close the capturing group and make it optional
\s+                       # one or more spaces
(                         # open a capturing group
    -?                    # - sign optional
    \d{1,3}               # between 1 or 3 digits
    (?:,\d{3})*           # a group (zero or more times) with a , and 3 digits
    (?:\.\d\d)?           # an optional group with a . and 2 digits
)                         # close the second capturing group.