Python使用正则表达式从长文本中提取指定后缀的公司名称
正则调整方案
直接使用如下正则即可提取到符合要求的公司名:
import re Companies = 'Apples Inc, xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx, Bananas LLC, Carrots Corp, xxxx.' # 注意后缀按从长到短排列,避免短后缀优先匹配导致截断 pattern = re.compile(r'(?:^|, )([^,]+? (?:Inc|LLC|Corporation|Corp))', flags=re.I) res = pattern.findall(Companies) print(res)
运行输出:
['Apples Inc', 'Bananas LLC', 'Carrots Corp']
正则逻辑说明
(?:^|, ):非捕获组,匹配公司名前置的两种合法场景:字符串开头、,分隔符,该部分不会进入最终提取结果[^,]+?:非贪婪匹配所有非逗号字符,严格限定匹配范围在两个逗号之间,不会跨段吃到无关内容(?:Inc|LLC|Corporation|Corp):非捕获组匹配四类后缀,按从长到短排序避免Corp提前匹配截断Corporation- 最外层的小括号为捕获组,
findall会直接返回所有捕获组内容,不需要额外清洗
你提到的带逗号的公司名预处理方案可以和该正则兼容,预处理删除Inc前的逗号后,正则匹配逻辑不受影响。
内容的提问来源于stack exchange,提问作者Skittlebrau
相关产品推荐
相关产品推荐

