给我正则表达式，以便在银行对帐单 pdf 中转换的文本文档中查找帐号答案

【问题标题】：Give me regex for finding account number in bunch of converted text documents from bank statement pdf给我正则表达式，以便在银行对帐单 pdf 中转换的文本文档中查找帐号
【发布时间】：2020-09-01 12:19:33
【问题描述】：

我有一堆不同的银行对账单 pdf，我已将它们转换为要从中提取消费者信息的文本。我必须编写正则表达式来提取帐号。帐号后面是特定的关键字，例如：

account number,
account no,
a/c no

我将粘贴一些包含此信息的示例文本。

样本 1：

"bank of india  account statement name abcd account no. 123456 account type savings account"

示例 2：

"statement for a/c no 11111111 between 16-09-2019 and 16-03-2020"

示例 3：

"shyam alaspure<br />
period<br />
01-12-2019 to 29-02-2020<br />
cust.reln.no<br />
XXXXXXXX<br />
account no<br />
9XXX99999"<br />

我使用了以下正则表达式

'account no.\s*([^.]+|\S+)'

但输出给出了帐号之后的所有文本。

请帮我找出解决办法。

【问题讨论】：

得到答案正则表达式应该是r'account no.\s+((?:\w+(?:|$)){1})'
所以，你拥有的是account no.\s+(\w+)。但看起来它只匹配第一个输入。

标签： python python-3.x regex pandas pdftotext

【解决方案1】：

注意

(?:|$) 总是匹配一个空字符串，这个模式是多余的
{1} 总是多余的，永远不要在手动编写的正则表达式中使用它
在字符类之外使用的. 匹配除换行符之外的任何字符，始终对其进行转义，\.，以匹配文字字符。 [.] 也匹配文字点。

你可以使用

r'\b(?:a/c|account) no\.?\s+(\w+)'

见regex demo

详情

\b - 单词边界
(?:a/c|account) - a/c 或 account
no.? - 空格，no，可选点
\s+ - 1+ 个空格
(\w+) - 第 1 组：一个或多个字母、数字或下划线

【讨论】：

在此之前非常感谢我将模式保存在列表中并应用于文本。

【解决方案2】：

请使用下面的正则表达式

(?i)(?:a\/c|account)\s*no\.?\s+(\w+)

看到它在工作here

【讨论】：

这是我的正则表达式建议，无需复制。