带条件的正则表达式

Question

我一直在编写python代码，从文本文档中提取文档ID，其中ID可以使用regex位于文本中的随机行。

此文档ID由四个字母、一个连字符、三个数字组成，可以选择以字母结尾。例如，以下各项都是有效的文档ID：

1. ABCD-123
2. ABCD-123V
3. XKCD-999
4. COMP-200

我尝试了以下正则表达式来查找所有ID：

re = re.findall(r"([A-Z]{4})(-)([0-9]{3})([A-Z]{0,1})", text.read())

这些表达式工作正常，但当Id与以下单词连接时，我遇到了问题：

XKCD-999James

正则表达式应该返回XKCD-999，但它返回的是不正确的XKCD-999J。

我应该在RE中做哪些更改才能得到正确的结果？

Answer 1

使用负前瞻断言来忽略带有尾随字母的模式：

exp = re.findall(r"([A-Z]{4})(-)([0-9]{3})([A-Z](?![A-Za-z]))?", text.read())
#                                         ^^^^^^^^^^^^^^^^^^^^

Answer 2

当您使用单词字符时，您可以选择匹配字符a-Z和单词边界。

b[A-Z]{4}-[0-9]{3}(?:[A-Z]b)?

Regex演示

请注意，使用re.findall将返回捕获的组，因此如果您只想返回整个匹配，可以省略这些组。

对于捕获组，模式可以是：

b([A-Z]{4})(-)([0-9]{3}(?:[A-Z]b)?)

Regex演示

Answer 3

使用边界运算b怎么样？

[A-Z]{4}-d{3}(?:[A-Z]b)?

Regex101样品-https://regex101.com/r/DhC5Vd/4

text = "XKCD-999James"
exp = re.findall(r"[A-Z]{4}-d{3}(?:[A-Z]b)?", text)
#OUTPUT: ['XKCD-999']