Python Regex查找两个单词之间的多个值

我试图检索两个单词之间的多个值，将文本的特定部分分隔开来。模式如下：

(^\d\d\d\d)\D+

我试过很多正则表达式，但没有成功

下面是一个不起作用的尝试示例，因为它只返回第一个值

Livro[\s\S]*?(^\d\d\d\d)\D+[\s\S]*(?=em moeda corrente)

我尝试应用正则表达式的文本如下。以粗体显示我要检索的值

更新 我更改了示例，因为有时前四位数字后面没有“/dd”。

---

分配证书编号：XXXXXXXX 6A

佩索阿雷西塔酒店

5588 39783 03-1SS可变电平

处分权法定委托人 03-阿蒂戈斯55、57、58、59、63、64、151 e 153，无子网站14.01 da Lista de Servicos e na Tabela 03，门切伊尔，达雷 第12/1994号补充协议，第56/1997号、第116/2000号补充协议， 196/2002、217/2003、270/2006、314/2008、320/2008、399/2011 e 502/2015、538/2017 e artigo 4°da Lei补充 第4124/2000号公告

利夫罗：14 Folha:17583a数据：18/04/2019-a 博士。--雷西塔-折纸咬法校长。科雷戈。“AcréscimoD.A Multa==dures.Total

201603==ISS变量36,806,472,164,3320,3370,09

201603 ISS变量116,00 20,38 6,82 13,64 62,74 219,58

201603 ISS变量340,0059,7419,9939,97179,88639,58

2016G3 ISS变量246,40 43,29 14,48 28,97 127,46 466,60

2016/10 O03国际空间站变量56,00 9,84 3,29 6,59 28,31 104,03

2016/11 03 ISS变量623,84 109,61 36,67 73,35 308,05 1.161 52

2016/12 03国际空间站变量20,40 3,58 4,20 2,40*9,83 37,41

总计，埃姆·莫达·科伦特，阿图利亚扎多：2020年6月23日2.682,81 A） Atuanizag&o Monetaria:artigos 153，第1段，200，| e 209，第12/94号托多斯达雷市政区；artigo 4号，达雷市政区 1124/2000

---

我在这里测试（更新了）

---

提前感谢；-）

我认为您要查找的完整模式是年/月，其中年为四位数，月为1或2位数，不多，因此后跟[space]。正则表达式形式：

import re

found = re.findall(r'(\d\d\d\d)/\d\d? ', text)
print(found)

产出：

['2016', '2016', '2016', '2016', '2016', '2016', '2016']

2016/6 03 = =ISS VARIAVEL 36,80 6,47 2,16 4,33 20,33 70,09
2016/7 03 ISS VARIAVEL 116,00 20,38 6,82 13,64 62,74 219,58
2016/8 03 ISS VARIAVEL 340,00 59,74 19,99 39,97 179,88 639,58
2016/9 G3 ISS VARIAVEL 246,40 43,29 14,48 28,97 127,46 466,60
2016/10 O03 ISS VARIAVEL 56,00 9,84 3,29 6,59 28,31 104,03
2016/11 03 ISS VARIAVEL 623,84 109,61 36,67 73,35 308,05 1.161 52
2016/12 03 ISS VARIAVEL 20,40 3,58 4,20 2,40 * 9,83 37,41

或者，如果需要表达式匹配的整行，只需省略括号：

found = re.findall(r'\d\d\d\d/\d\d? .*', text)
for line in found: print(line)

产出：

['2016', '2016', '2016', '2016', '2016', '2016', '2016']

2016/6 03 = =ISS VARIAVEL 36,80 6,47 2,16 4,33 20,33 70,09
2016/7 03 ISS VARIAVEL 116,00 20,38 6,82 13,64 62,74 219,58
2016/8 03 ISS VARIAVEL 340,00 59,74 19,99 39,97 179,88 639,58
2016/9 G3 ISS VARIAVEL 246,40 43,29 14,48 28,97 127,46 466,60
2016/10 O03 ISS VARIAVEL 56,00 9,84 3,29 6,59 28,31 104,03
2016/11 03 ISS VARIAVEL 623,84 109,61 36,67 73,35 308,05 1.161 52
2016/12 03 ISS VARIAVEL 20,40 3,58 4,20 2,40 * 9,83 37,41

或者用标记字符串（例如“Livro”）将文本一分为二，并在第二部分中紧跟换行符（行首）后搜索4位数字

---

您需要使用

re

模块的

findall（）

方法。此外，我认为以下路径就是您正在寻找的路径：

'\n（\d+）\/（？=[\s\s]+em moeda corrente）

---

您可以在以下位置试用：

或者，您可以使用

\G

锚来获取捕获组1中的粗体值

(?:^Livro.*(?:\r?\n(?!\d{4}/\d).*)*\r?\n|\G)(\d{4})/\d+.*\r?\n(?=(?:\d{4}/\d.*\r?\n)*.*?\bem moeda corrente\b)

部分地

• （？：

  非捕获组

  • ^Livro.*（:\r？\n（？！\d{4}/\d.*）*\r？\n

    匹配开始和不以4位和数字开头的行

  • |

    或

  • \G

    在上一次匹配结束时断言位置

• ）

  关闭非捕获组

• （\d{4}）

  捕获组1，匹配4位数字

• /\d+.\r？\n

  匹配

  /

  ，1+位后跟行的其余部分

• （？=

  正向前瞻，断言右边的是

  • （？：\d{4}/\d.*\r？\n）*

    重复0+次匹配一行，以4位数字开始

  • *？\bem moeda corrente\b

    匹配包含

    em moeda corrente

• ）

  关闭正向前瞻

|

输出

---

本质上，这个

Livro[\s\s]*？^

regex永远不会匹配任何东西。您真正尝试过什么？您可以使用

（？：^Livro.*：\r？\n（？！\d{4}/\d.*）*）*\r？\n| \G）（？=（？：\d{4}/\d.\r？\n）*总计，em moeda corrente\b）（\d{4}/\d+\r\n

捕获行首的四位数字。感谢您的回答，但重要的是要在文本中提取模式的部分划界，因为我可以在文本的另一部分使用相同的模式。有什么建议吗？“Total em moeda corrente”最后，定界符就足够了吗？是的，作为最后的定界符可以。再次更新了这个问题的例子，因为有时字符串在四个第一个数字之后没有“/DD”。重要的是把“LIFRO”字符串作为第一个定界符。谢谢你的回答，但是重要的是要划定部分。我应该提取模式的文本，因为我可以在文本的另一部分使用相同的模式。我只想返回行开头的四位数字，因为有时我只有年份，而不是年份/月份。有什么建议吗？谢谢。对我来说真的不容易；-）@LucianoZanuz对于您更新的链接，您可以使用

（？：^Livro.*（：\r？\n（？！\d{4}[/]）.*\r？\n |\G）（\d{4}[/]）.\r？\n（？=（？：\d{4}[/].\r？\n）*.\bem moeda corrente\b）

Example code

import regex

pattern = r"(?:^Livro.*(?:\r?\n(?!\d{4}/\d).*)*\r?\n|\G)(\d{4})/\d+.*\r?\n(?=(?:\d{4}/\d.*\r?\n)*.*?\bem moeda corrente\b)"

print(regex.findall(pattern, s, regex.MULTILINE))

['2016', '2016', '2016', '2016', '2016', '2016', '2016']