匹配python 3 regex findall中的多个OR条件

Question

在python 3中：

这是外国资产控制办公室清单，应监视个人资产

https://www.treasury.gov/ofac/downloads/sdn.csv

他们的许多出生数据（最后一列，用逗号分隔）就像

DOB 23 Jun 1959; alt. DOB 23 Jun 1958

或

DOB 1959; alt. DOB 1958

我正在尝试使用以下代码来捕获关键字“ DOB”和“ alt。DOB”之后的所有生日：

   if len(x.split(';')) > 0:
        if len(re.findall('DOB (.*)', x.split(';')[0])) > 0:
            new = re.findall('DOB | alt. DOB (.*)', x.split(';')[0])[0]
            print(new)

            try:
                print(datetime.strptime(new, '%d %b %Y'))
                return datetime.strptime(new, '%d %b %Y')
            except:
                return None

但是代码仅在“ DOB”之后获得生日，但不包括“ alt。DOB”之后的出生日期。想知道我该怎么办？谢谢。

Answer 1

您可以使用(?<=DOB\s)[\s[a-zA-Z0-9]+]*

   (?<=DOB\s)  = Negative look-behind assertion. This matches string (which is to its right) only if the string preceded by letters DOB followed by a space
   [\s[a-zA-Z0-9]+]* = Match space followed by letters of numbers multiple times

示例：

items=['DOB 23 Jun 1959; alt. DOB 23 Jun 1958', 'DOB 1959; alt. DOB 1958']
for item in items:
    print(re.findall(r'(?<=DOB\s)[\s[a-zA-Z0-9]+]*',item))

输出

['23 Jun 1959', '23 Jun 1958']
['1959', '1958']

Answer 2

您可以匹配DOB并将捕获组用作日期部分。对于日期部分，天数和月数可以是可选的，然后可以匹配4位数字。

日期部分模式不验证日期本身，它使匹配更加具体。

\bDOB ((?:(?:3[01]|[12][0-9]|0?[1-9]) [A-Za-z]+ )?\d{4})\b

说明

• [\bDOB 匹配字面上的单词边界
• (捕获组1
  • (?:非捕获组
    • [(?:3[01]|[12][0-9]|0?[1-9]) [A-Za-z]+ 匹配数字1-31和1+字符A-Za-z
  • [)?关闭组并使其可选]
  • \d{4}匹配4位数字
• [)\b关闭组1，然后加上单词边界

Regex demo | Python demo

例如：

import re

regex = r"\bDOB ((?:(?:3[01]|[12][0-9]|0?[1-9]) [A-Za-z]+ )?\d{4})\b"
test_str = ("DOB 23 Jun 1959; alt. DOB 23 Jun 1958\n"
    "DOB 1959; alt. DOB 1958")

print(re.findall(regex, test_str))

输出

['23 Jun 1959', '23 Jun 1958', '1959', '1958']