获取Python中匹配字符串的特定模式后出现的数字

我想获取所有匹配的数字（仅数字示例“0012--22”）或包含与其对应的某些文本（示例“RF332”）的数字，该数字与提供的字符串列表匹配（代码中的“my_list”） 。带有数字的文本的显示格式类似于用一两个空格分隔。提供示例输入文件以供参考。

这是输入文件：

$cat input_file
some text before Expedien: 1-21-212-16-26 some random text
Reference RE9833 of all sentences.
abc
123
456
something blah blah Ref.: 
tramite  1234567
Ref.:
some junk Expedien N° 18-00777 # some new content
some text Expedien N°18-0022995 # some garbled content

到目前为止的脚本附在下面：它目前仅识别一个元素，即 {'tramite': '1234567'}

import re
import glob
import os

my_list = ['Ref.:', 'Reference', 'tramite', 'Expediente', 'Expediente No', 'Expedien N°', 'Exp.No', 'Expedien']

#open the file as input
with open('garb.txt','r') as infile:
  res = dict()
  for line in infile:  
    elems = re.split('(?::)?\s+', line)
    #print(elems)
    if len(elems) >= 2 :
      contains = False
      tmp = ''
      for elem in elems:  
        if contains:
          res.update({tmp : elem})
          print(res)
          contains = False
          break
        if elem in my_list:
          contains = True
          tmp = elem
  #print(res)

这是预期的输出：

示例输出：

{'Expedien N°': '18-0022995'}
{'Expedien N°': '18-0022995'}
{'Expedien': '1-21-212-16-26'}
{'Reference' : 'RE9833'}

etc etc.

您可以使用

(?<!\w)(your|escaped|keywords|here)\W*([A-Z]*\d+(?:-+[A-Z]*\d+)*)

See the 正则表达式演示 https://regex101.com/r/zsB5xC/1.

图案细节

• (?<!\w)- 左词边界（明确，\b含义取决于上下文，如果下一个字符是非单词字符，则它将需要左侧有一个单词字符，而这不是用户通常期望的）
• (your|escaped|keywords|here)- 捕获组 1：您的关键字列表，可以使用轻松构建'|'.join(map(re.escape,my_list)) (note re.escape有必要转义特殊的正则表达式元字符，例如., +, (, [, etc.)
• \W*- 0+ 个非单词字符（字母、数字或字符以外的字符）_)
• ([A-Z]*\d+(?:-+[A-Z]*\d+)*) - Capturing group 2:
  • [A-Z]*- 零个或多个大写 ASCII 字母
  • \d+- 1 位或多位数字
  • (?:-+[A-Z]*\d+)* - 0 or more repetitions of
    • -+- 一个或多个连字符
    • [A-Z]*\d+- 零个或多个大写 ASCII 字母、1 个或多个数字

See the Python演示 https://ideone.com/tAVzIi:

import re
s="""your_text_here"""
my_list = ['Ref.:', 'Reference', 'tramite', 'Expediente', 'Expediente No', 'Expedien N°', 'Exp.No', 'Expedien']
rx = r'(?<!\w)({})\W*([A-Z]*\d+(?:-+[A-Z]*\d+)*)'.format('|'.join(map(re.escape,my_list)))
print(re.findall(rx, s))

Output:

[('Expedien', '1-21-212-16-26'), ('Reference', 'RE9833'), ('tramite', '1234567'), ('Expedien N°', '18-00777'), ('Expedien N°', '18-0022995')]