如何用正则表达式从数据集列中提取:57A:至下一个冒号间的内容？

需求说明 #

从包含交易特征的文本中，提取位于:57A:和下一个:之间的所有内容（包含跨换行的文本），最终得到合并为一行的/00911000170039 ZALPGKA。

适用正则表达式 #

(?<=:57A:)([\s\S]+?)(?=:)

表达式解释 #

• (?<=:57A:)：正向零宽度断言，定位到:57A:结束后的位置，不会包含该标识本身
• ([\s\S]+?)：匹配任意字符（包括换行符），+?是非贪婪模式，确保仅匹配到下一个:为止，避免过度匹配
• (?=:)：正向零宽度断言，定位到下一个:开始前的位置，不会包含该字符本身

提取后处理（以Python为例） #

如果需要将提取到的多行文本合并为单行（替换换行符为空格），可以使用以下代码：

import re

# 示例文本
text = """............
............
:57A:/00911000170039
ZALPGKA
:59:/A/C NO 06-0081-03647-05-4
M/S ABC MOTORS LTD
.............
........."""

# 匹配目标内容
match_result = re.search(r'(?<=:57A:)([\s\S]+?)(?=:)', text)
if match_result:
    # 替换换行为空格并去除首尾空白
    final_content = match_result.group(1).replace('\n', ' ').strip()
    print(final_content)  # 输出: /00911000170039 ZALPGKA

其他工具使用提示 #

• 在Notepad++等文本编辑器中：切换到正则查找模式，输入上述正则表达式，即可定位到目标内容，可通过替换功能批量处理换行符。

内容的提问来源于stack exchange，提问作者Mohsin