Python 如何在忽略特殊字符的字符串后找到下一个9个字符？

考虑以下字符串：

str_test = 'This is a sample text NRC234456789 and this is another case AZN.1.Z.3.4.S.6.7.8.9 and this another case BSA 123 456 789 and final case SSR/789456123'

基本上，我需要在字符串中找到字符“NRC”、“AZN”、“BSA”和“SSR”所在的位置。然后，我需要提取接下来的9个数字..忽略任何非数字字符。所以它应该回来

在某些情况下，数字5被错误地写为S，数字2被错误地写为Z。我仍然需要识别这些情况，并将错误的S和Z分别改为5和2

result = ['NRC234456789', 'AZN123456789' , 'BSA123456789', 'SSR789456123']

我有我正在使用的代码

list_comb = ['NRC', 'AZN', 'BSA', 'SSR'] 
def findWholeWord(w): 
    return re.compile(r'\b({0})\b'.format(w), flags=re.IGNORECASE).search 

它返回找到字符串的位置..但我不确定下一步如何继续。 谢谢

使用此正则表达式识别模式。也许它可以帮助：

import re

str_test = 'This is a sample text NRC234456789 and this is another case AZN.1.2.3.4.5.6.7.8.9 and this another case BSA 123 456 789 and final case SSR/789456123'
regex = re.findall("([A-Z0-9.\s\/]{2,})",str_test)
result = []

如果非数字字符仅包含点、逗号和斜杠，则有一种解决方案：

for r in regex:
    result.append(r.replace(".","").replace(" ","").replace("/",""))
print (result)

或者，如果非数字字符可以是任何字符，则使用此循环：

for r in regex:
    result.append(re.sub("([^\d\w])","",r))
print (result)

输出：

['NRC234456789', 'AZN123456789', 'BSA123456789', 'SSR789456123']

['NRC234456789', 'AZN123456789', 'BSA123456789', 'SSR789456123']

更新

输出：

['NRC234456789', 'AZN123456789', 'BSA123456789', 'SSR789456123']

['NRC234456789', 'AZN123456789', 'BSA123456789', 'SSR789456123']

这是一种方法

例：

输出：

['NRC234456789', 'AZN123456789', 'BSA123456789', 'SSR789456123']

['NRC234456789', 'AZN123456789', 'BSA123456789', 'SSR789456123']

根据评论进行编辑

---

下面是一个简单的方法，首先使用这个正则表达式找到想要的文本

\b(?:NRC|AZN|BSA|SSR)(?:.?\d)+

使用提供的列表动态生成，然后从中删除任何非字母数字字符

编辑： 为了处理错误字符串，其中2被错误地写为Z，5被错误地写为S，您可以在字符串的第二部分替换它们，忽略最初的三个字符。此外，代码也进行了更新，所以它只选择后面的9位数字，而不是更多。这是我更新的Python代码

import re

s = 'This is a sample text NRC234456789 and this is another case AZN.1.Z.3.4.S.6.7.8.9 and this another case BSA 123 456 789 and BSA 123 456 789 123 456 final case SSR/789456123'

list_comb = ['NRC', 'AZN', 'BSA', 'SSR']
regex = r'\b(?:{})(?:.?[\dA-Z])+'.format('|'.join(list_comb))
print(regex)

for m in re.findall(regex, s):
 m = re.sub(r'[^a-zA-Z0-9]+', '', m)
 mat = re.search(r'^(.{3})(.{9})', m)
 if mat:
  s1 = mat.group(1)
  s2 = mat.group(2).replace('S','5').replace('Z','2')
  print(s1+s2)

打印校正值，其中S替换为5，Z替换为2

---

@SpghttCd应忽略“/”，并返回后面的9位数字。谢谢@完成了！好的观点。这在简单案例str_测试中失败='BSA 123 456 789 123 456'，并将按要求打印所有数字，而不仅仅是9。这在简单案例s='BSA 123 456 789 123 456'中失败，并将按要求打印所有数字，而不仅仅是9。@ruohola:虽然OP的字符串中没有任何此类数据，甚至没有谈到它，但这很容易处理。我已经更新了代码，您可以验证。

NRC234456789
AZN123456789
BSA123456789
BSA123456789
SSR789456123