寻求识别含大写字母的三位数字编码转换错误的正则表达式方案

问题描述 #

我有一批三位数字编码，比如001、002、003，但存在转换错误，比如Q04（正确应为004），需要用正则表达式识别这类错误。

需求要点 #

• 目标是空格分隔的三位字符词，且至少包含一个大写字母
• 不能匹配004、014、114这类正确的纯数字编码
• 编码最大值为200
• 要在大量文本文件中识别这类错误

补充测试场景 #

测试字符串中仅003是正确编码，00Q、0Q2等为错误项，需识别：

text = '00Q ALLAN, Wilham Ross 0Q2 ALLARDYCE, Margaret Isabel 003 ALLARDYCE, Mervyn George Q04 ANKER. Delia Roswyn QQ5 ANKER, Doreen Alison'

最终解决方案 #

以下是实现错误识别的Python代码，结合自定义正则表达式：

# matchTestSub.py

import re

def isValidInteger(string):
    try:
        int(string)  # 尝试将字符串转为整数
        return True  # 转换成功，是有效整数
    except ValueError:
        return False  # 转换失败，不是有效整数

text = '00Q ALLAN, Wilham Ross 0Q2 ALLARDYCE, Margaret Isabel 003 ALLARDYCE, Mervyn George Q04 ANKER. Delia Roswyn QQ5 ANKER, Doreen Alison'        

pattern1 = r'\b[A-Z0-9]{3}\b(?![A-Z]+)'
match = re.findall(pattern1,text)
if match:
    for x in match:
        print(x, isValidInteger(x))

正则设计思路 #

• 使用负向前瞻(?![A-Z]+)排除姓名等全大写的三位字符串匹配
• 匹配由数字和/或大写字母组成的三位字符词，后续通过isValidInteger函数过滤掉纯数字的正确编码

内容的提问来源于stack exchange，提问作者Dave