正则表达式：从字符串中提取具有条件的所有子字符串

Question

我有字符串，包含地址

str_addr = '300114 г Тула, Тульская область, Ленинский р-он, п РАССВЕТ, 75, к.34, тульская обл, Краснодарский край, гагарина 38, республика Хакасия'

我需要提取

Тульская, тульская, Краснодарский, Хакасия

我试着用

re.findall(r"\b[А-Я]\w*\s+(?:[кК]рай|[оО](бласть|бл))|\b[рР](еспублика|есп)\s+[А-Я]\w*", str_addr)

但我得到一张空名单

我该怎么修

Answer 1

你可以用

import re
str_addr = '300114 г Тула, Тульская область, Ленинский р-он, п РАССВЕТ, 75, к.34, тульская обл, Краснодарский край, гагарина 38, республика Хакасия Москва, Санкт-Петербург'
res = re.findall(r"\b([А-Яа-яёЁ][^\W\d_]*)\s+(?:[кК]рай|[оО]бл(?:асть)?)|\b[рР]есп(?:ублика)?\s+([А-Яа-яёЁ][^\W\d_]*)|([мМ]осква|[сС]анкт-Петербург)", str_addr)
print(["".join(x) for x in res])
# => ['Тульская', 'тульская', 'Краснодарский', 'Хакасия']

参见Python 3 demo

细节

• \b([А-Яа-яёЁ][^\W\d_]*)\s+(?:[кК]рай|[оО]бл(?:асть)?)：
  • \b-词边界
  • ([А-Яа-яёЁ][^\W\d_]*)-第1组：俄语字母后跟任何0+个字母
  • \s+-1+空格
  • (?:[кК]рай|[оО]бл(?:асть)?)-Край，край，область，Область，обл，Обл
• |-或
• \b[рР]есп(?:ублика)?\s+([А-Яа-яёЁ][^\W\d_]*)：
  • \b-词边界
  • [рР]есп(?:ублика)?-Республика/Респ有变化
  • \s+-1+空格
  • ([А-Яа-яёЁ][^\W\d_]*)-第1组：俄语字母后跟任何0+个字母
• |-或
• ([мМ]осква|[сС]анкт-Петербург)-第3组：Москва或Санкт-Петербург

["".join(x) for x in res]列表理解用于将空值放到返回的元组列表中