多模式提取的正则表达式

Question

我有这样的绳子

string="""Claim Status\r\n[Primary Status: Paidup to Rebilled]\r\nGeneral Info.\r\n[PA Number: #######]\r\nClaim Insurance: Modified\r\n[Ins. Mode: Primary], [Corrected Claim Checked], [ICN: #######], [Id: ########]"""

tokens=re.findall('(.*)\r\n(.*?:)(.*?])',string)

输出

 ('Claim Status', '[Primary Status:', ' Paidup to Rebilled]')
 ('General Info.', '[PA Number:', ' R180126187]')
 ('Claim Insurance: Modified', '[Ins. Mode:', ' Primary]')

想要的输出：

 ('Claim Status', 'Primary Status:Paidup to Rebilled')
 ('General Info.', 'PA Number:R180126187')
 ('Claim Insurance: Modified', 'Ins. Mode:Primary','ICN: ########', 'Id: #########')

Answer 1

每个结果有三个元素，因为您使用的是“捕获”正则表达式。像这样重写regexp以合并第二个和第三个匹配项：

re.findall('(.*)\r\n((?:.*?:)(?:.*?]))',string)

由(?:...)（而不是(...)）分隔的组是“非捕获”的，即它不算作\1等的匹配目标，也不会被re.findall看到。我已经使你的两个组都不捕获，并在它们周围添加了一个捕获（常规）组。你知道吗

Answer 2

您可以使用以下解决方案来实现所需：

import re
s="""Claim Status\r\n[Primary Status: Paidup to Rebilled]\r\nGeneral Info.\r\n[PA Number: #######]\r\nClaim Insurance: Modified\r\n[Ins. Mode: Primary], [Corrected Claim Checked], [ICN: #######], [Id: ########]"""
res = []
for m in re.finditer(r'^(.+)(?:\r?\n\s*\[(.+)])?\r?$', s, re.M):
    t = []
    t.append(m.group(1).strip())
    if m.group(2):
        t.extend([x.strip() for x in m.group(2).strip().split('], [') if ':' in x])
    res.append(tuple(t))
print(res)

参见Python online demo。输出：

[('Claim Status', 'Primary Status: Paidup to Rebilled'), ('General Info.', 'PA Number: #######'), ('Claim Insurance: Modified', 'Ins. Mode: Primary', 'ICN: #######', 'Id: ########')]

使用^(.+)(?:\r?\n\s*\[(.+)])?\r?$正则表达式，匹配两个连续的行，其中第二行是可选的（由于(?:...)?可选的非捕获组），第一行被捕获到组1中，随后的一行（以[开始，以]结束）被捕获到组2中。（请注意，\r?$是必需的，因为在多行模式下，$只在换行符之前匹配，而不是回车符。）Group 1值被添加到临时列表中，然后第二个组的内容被], [分割（如果您不确定空格的数量，您可以使用re.split(r']\s*,\s*\[', m.group(2))），然后只将其中包含:的项添加到临时列表中。你知道吗