用于提取编号的正则表达式。还剩几天、几个月和几年

Question

我正在尝试编写一个正则表达式来提取某事的剩余时间，可以是几天、几个月或几年。

例如，有一句话-“该产品的外壳寿命为 21 天或 21（二十一）天或二十一天或 21 个月、21 年或五天或 5（五）天或五 (5) 天或五 (5) 天。”

我知道这是一个有趣的句子，但重点是我想提取上面句子中的持续时间。

我写了一个正则表达式(?:\w*\-?\w*\s*\(\s*\d+\s*\w*\)\s*\w*|\b\d*\s+\w*\d*)\s*(?:year|month|day)s?，但它没有提取 5（五）天或数字后跟（单词）的持续时间。任何人都可以帮助使用正则表达式吗？

提前致谢

Answer 1

如果你想匹配示例数据中的部分，你可以使用

\w+(?:-\w+)?\s*(?:\(\w+(?:-\w+)?\)\s+)?(?:year|month|days)s?\b

模式匹配：

• \w+(?:-\w+)? 匹配 1+ word char 与可选的 - 和 word chars
• \s* 匹配可选的空白字符
• (?:\(\w+(?:-\w+)?\)\s+)? 可选匹配从 ( 到 )，其中可以有带有可选 - 的单词字符和介于两者之间的单词字符
• (?:year|month|days)s? 匹配任何备选方案和可选的s
• \b防止部分匹配的单词边界

查看regex demo 或Python demo

例子

import re
from pprint import pprint

regex = r"\w+(?:-\w+)?\s*(?:\(\w+(?:-\w+)?\)\s+)?(?:year|month|days)s?\b"

s = "This product has a shell life of 21 days or 21 (twenty-one) days or twenty-one days or 21 months, 21 years or five days or 5 (five) days or five (5) days or five(5) days."

pprint (re.findall(regex, s))

输出

['21 days',
 '21 (twenty-one) days',
 'twenty-one days',
 '21 months',
 '21 years',
 'five days',
 '5 (five) days',
 'five (5) days',
 'five(5) days']

注意\s 也可以匹配换行符，\w 可以匹配数字和字符 a-z，因此可以进行广泛的匹配。