使用正则表达式搜索特定文件

Question

我正在尝试在文件夹中的文件名中捕获两个特定的单词/字符序列。到目前为止，我在https://regex101.com/ 上给出了正确的输出，但在我正在使用的脚本中却没有。

这是我正在使用的文件名类型：

Bjørn Stallaresvei s 10013.pdf

或

Københavngaten 1 L. 8.pdf

这是我目前想出的正则表达式：

((?<=\s)[a-zA-Z\.]+(?=[\s0-9]+\.pdf))|((?<=\s)[0-9]+(?=.pdf))

我试图在第一行捕获“s”和“10013” - 其中“s”是标识符，10013 是 ID。

第二行也一样，L.是标识符，8是ID。

这只是一个示例代码：

import re

string_1 = "Stallaresvei s 10013.pdf"

regexp = r"(((?<=\s)[a-zA-Z\.]+(?=[\s0-9]+\.pdf))|((?<=\s)[0-9]+(?=.pdf)))"
m = re.search(regexp, string_1)

print(m)

并且输出只显示找到的一个匹配项：

<_sre.SRE_Match object; span=(13, 14), match='s'>

Answer 1

您可以删除捕获括号并将您的正则表达式与re.findall 一起使用：

r'(?<=\s)[a-zA-Z.]+(?=[\s0-9]+\.pdf)|(?<=\s)[0-9]+(?=\.pdf)'

见online Python 3 demo：

import re
string_1 = "Stallaresvei s 10013.pdf"
regexp = r"(?<=\s)[a-zA-Z.]+(?=[\s0-9]+\.pdf)|(?<=\s)[0-9]+(?=\.pdf)"
m = re.findall(regexp, string_1)
print(m) # => ['s', '10013']

另一种方法是重写模式并将这些位捕获分成两组，参见another demo：

import re
string_1 = "Stallaresvei s 10013.pdf"
regexp = r"\s([a-zA-Z.]+)\s+([0-9]+)\.pdf"
m = re.search(regexp, string_1)
if m:
    print([m.group(1), m.group(2)])

这里，

• \s - 匹配空格
• ([a-zA-Z.]+) - 捕获组 1 匹配 1+ ASCII 字母或 .
• \s+ - 1+ 个空格
• ([0-9]+) - 捕获组 2 匹配 1+ ASCII 数字
• \.pdf - 只匹配 .pdf 子字符串。