检测python字符串中的字母数字/数字值

Question

我试图从文本中提取具有长度大于8的数字/字母数字字符的标记/部分标记

例如：

text = 'https://stackoverflow.com/questions/59800512/ 510557XXXXXX2302 Normal words 1601371803 NhLw6NlR0EksRWkLddEo7NiEvrg https://www.google.com/search?q=some+google+search&oq=some+google+search&aqs=chrome..69i57j0i22i30l8j0i390.4672j0j7&sourceid=chrome&ie=UTF-8'

预期产出将是：

59800512 510557XXXXXX2302 1601371803 NhLw6NlR0EksRWkLddEo7NiEvrg 69i57j0i22i30l8j0i390 4672j0j7

我尝试使用正则表达式：((\d+)|([A-Za-z]+\d)[\dA-Za-z]*)基于答案Python Alphanumeric Regex。我得到了以下结果：

[match for match in re.findall(r"((\d+)|([A-Za-z]+\d)[\dA-Za-z]*)",text)] 

Output :
[('59800512', '59800512', ''),
 ('510557', '510557', ''),
 ('XXXXXX2302', '', 'XXXXXX2'),
 ('1601371803', '1601371803', ''),
 ('NhLw6NlR0EksRWkLddEo7NiEvrg', '', 'NhLw6'),
 ('69', '69', ''),
 ('i57j0i22i30l8j0i390', '', 'i5'),
 ('4672', '4672', ''),
 ('j0j7', '', 'j0'),
 ('8', '8', '')]

我将为每个匹配令牌获取匹配组的元组

可以再次过滤这些元组。但我正在努力使代码尽可能高效和通俗

有人能提出解决办法吗？它不需要基于正则表达式

提前谢谢

编辑： 我希望字母数字值的长度等于或大于8

Answer 1

结果中包含元组，因为re.findall返回捕获组的值

但是您可以省略捕获组，并将模式更改为单个匹配，在字符a-Z a-Z之间至少匹配一个数字，并使用正向先行断言至少8个字符

\b(?=[A-Za-z0-9]{8})[A-Za-z]*\d[A-Za-z\d]*\b

• \b单词边界
• (?=[A-Za-z0-9]{8})正向前瞻，断言列出的任何范围至少出现8次
• [A-Za-z]*可选地匹配字符a-Z a-Z
• \d匹配一个数字
• [A-Za-z\d]*可选匹配字符a-Z a-Z或数字
• \b单词边界

见aregex demo或aPython demo

import re
from pprint import pprint

pattern = r"\b(?=[A-Za-z0-9]{8})[A-Za-z]*\d[A-Za-z\d]*\b"
s = "https://stackoverflow.com/questions/59800512/ 510557XXXXXX2302 Normal words 1601371803 NhLw6NlR0EksRWkLddEo7NiEvrg https://www.google.com/search?q=some+google+search&oq=some+google+search&aqs=chrome..69i57j0i22i30l8j0i390.4672j0j7&sourceid=chrome&ie=UTF-8"

pprint(re.findall(pattern, s))

输出

['59800512',
 '510557XXXXXX2302',
 '1601371803',
 'NhLw6NlR0EksRWkLddEo7NiEvrg',
 '69i57j0i22i30l8j0i390',
 '4672j0j7']

Answer 2

虽然所选答案返回所需的输出，但它不是泛型的，并且无法匹配特定的情况（例如s= "thisword2H2g2d"）

对于适用于所有字母数字值组合的更通用的正则表达式：

result = re.findall(r"(\d+[A-Za-z\d]+\d*)|([A-Za-z]+[\d]+[A-Za-z\d]*)")

请参阅演示here

Answer 3

我想到了：

\b[A-Za-z]{,7}\d[A-Za-z\d]{7,}\b

请参阅联机demo

• \b-字边界
• [A-Za-z]{,7}-0-7倍一个字母字符
• \d-一个单位数
• [A-Za-z\d]{7,}-7+乘以一个字母数字字符
• \b-字边界

一些示例代码：

import re
s = "https://stackoverflow.com/questions/59800512/ 510557XXXXXX2302 Normal words 1601371803 NhLw6NlR0EksRWkLddEo7NiEvrg https://www.google.com/search?q=some+google+search&oq=some+google+search&aqs=chrome..69i57j0i22i30l8j0i390.4672j0j7&sourceid=chrome&ie=UTF-8"
result = re.findall(r'\b[A-Za-z]{,7}\d[A-Za-z\d]{7,}\b', s)
print(result)

印刷品：

['59800512', '510557XXXXXX2302', '1601371803', 'NhLw6NlR0EksRWkLddEo7NiEvrg', '69i57j0i22i30l8j0i390', '4672j0j7']

---

您可以选择将不区分大小写与以下内容匹配：

(?i)\b[a-z]{,7}\d[a-z\d]{7,}\b