Я хочу извлечь действительную транзакцию из набора текста. Каждая транзакция должна начинаться с даты (дд/мм/гггг) и заканчиваться до следующей даты (дд/мм/гггг). Транзакция может иметь 1, 2 или более описаний после даты.
Пример 1 транзакции:
03/04/2024 Payments / Collections 10.08 795.04 ---> Date description cost balance
HU INSURANCE UK ---> Description
G0003406201 56171304 2024-04-17 ---> Description
G3406201 ---> Description
Строка ввода
input_text = """
02/04/2024 Funds Transfer 56.00 1,805.12
TOP-UP TO WALLET! :
84343571729
02/04/2024 Bill Payment 1,000.00 805.12
UHJN-5520380040396554 : I-BANK
03/04/2024 Payments / Collections 10.08 795.04
HU INSURANCE UK
G0003406201 56171304 2024-04-17
G3406201
04/04/2024 FAST Payment / Receipt 12,000.00 12,795.04
INVEST
20240404CIBBSTSTBRT3273519
OTHER
04/04/2024 Bill Payment 333.00 12,462.04
GBU -09890340922 : I-BANK
30/04/2024 Interest Earned 0.18 2,385.42
"""
Мой код:
# Regex pattern for dates (dd/mm/yyyy)
date_pattern = r"\d{2}/\d{2}/\d{4}"
# Find all date matches
date_matches = re.findall(date_pattern, input_text)
# Initialize an empty list to store desired output
output = []
# Extract text between dates
for i in range(len(date_matches) - 1):
start_index = input_text.find(date_matches[i]) + len(date_matches[i])
end_index = input_text.find(date_matches[i + 1])
text_between_dates = input_text[start_index:end_index].strip()
output.append([date_matches[i], text_between_dates])
# Print the desired output
for item in output:
print(item)
Результат вывода:
['02/04/2024', '']
['02/04/2024', 'Funds Transfer 56.00 1,805.12\nTOP-UP TO WALLET! :\n84343571729\n02/04/2024 Bill Payment 1,000.00 805.12\nUHJN-5520380040396554 : I-BANK']
['03/04/2024', 'Payments / Collections 10.08 795.04\nHU INSURANCE UK\nG0003406201 56171304 2024-04-17\nG3406201']
['04/04/2024', '']
['04/04/2024', 'FAST Payment / Receipt 12,000.00 12,795.04\nINVEST\n20240404CIBBSTSTBRT3273519\nOTHER\n04/04/2024 Bill Payment 333.00 12,462.04\nGBU -09890340922 : I-BANK']
Желаемый результат: (должно быть 6 списков)
['02/04/2024', 'Funds Transfer 56.00 1,805.12', 'TOP-UP TO WALLET! :', '84343571729']
['02/04/2024', 'Bill Payment 1,000.00 805.12', 'UHJN-5520380040396554 : I-BANK']
['03/04/2024', 'Payments / Collections 10.08 795.04', 'HU INSURANCE UK', 'G0003406201 56171304 2024-04-17', 'G3406201']
...
...
['30/04/2024', 'Interest Earned 0.18 2,385.42']
Ваш расчет для end_index
начинается с того же места, что и start_index
, поэтому он получит тот же индекс, если у вас есть две последовательные даты, которые совпадают в date_matches
. Установите второй параметр find()
для end_index
равным start_index
, и тогда он найдет следующее определенное вхождение.
Хорошо, вы описали задачу, а в чем вопрос? В конце концов, SO — это сайт вопросов и ответов; посмотрите тур , если вы еще этого не сделали. Возможно, вы хотите спросить что-то вроде: «Как выбрать текст между двумя совпадениями регулярных выражений, если совпавший текст один и тот же?» См. Как спрашивать, чтобы получить советы.
«заканчивается до следующей даты» — это включает в себя случаи, когда следующей даты нет, да? как в последней строке? Всего лишь уточняю.
@wjandrea да, это включает в себя случаи, когда нет следующей даты, то есть последней транзакции. Я считаю, что вы сформулировали то, что мне действительно нужно было спросить, поскольку кажется, что проблема возникает, когда есть более одного совпадения.
Один из вариантов — использовать re.split, чтобы разбить текст по дате:
import re
input_text = """
02/04/2024 Funds Transfer 56.00 1,805.12
TOP-UP TO WALLET! :
84343571729
02/04/2024 Bill Payment 1,000.00 805.12
UHJN-5520380040396554 : I-BANK
03/04/2024 Payments / Collections 10.08 795.04
HU INSURANCE UK
G0003406201 56171304 2024-04-17
G3406201
04/04/2024 FAST Payment / Receipt 12,000.00 12,795.04
INVEST
20240404CIBBSTSTBRT3273519
OTHER
04/04/2024 Bill Payment 333.00 12,462.04
GBU -09890340922 : I-BANK
30/04/2024 Interest Earned 0.18 2,385.42
"""
# Build an iterator of the text splitting on lines starting with the date.
i = iter(re.split(r'\s*^(\d{2}/\d{2}/\d{4})\s*', input_text, flags=re.MULTILINE))
next(i) # Skip the first empty string.
for date in i: # read the date
lines = next(i).splitlines() # get the lines after the date
print([date, *lines])
Выход:
['02/04/2024', 'Funds Transfer 56.00 1,805.12', 'TOP-UP TO WALLET! :', '84343571729']
['02/04/2024', 'Bill Payment 1,000.00 805.12', 'UHJN-5520380040396554 : I-BANK']
['03/04/2024', 'Payments / Collections 10.08 795.04', 'HU INSURANCE UK', 'G0003406201 56171304 2024-04-17', 'G3406201']
['04/04/2024', 'FAST Payment / Receipt 12,000.00 12,795.04', 'INVEST', '20240404CIBBSTSTBRT3273519', 'OTHER']
['04/04/2024', 'Bill Payment 333.00 12,462.04', 'GBU -09890340922 : I-BANK']
['30/04/2024', 'Interest Earned 0.18 2,385.42']
Пожалуйста, предоставьте все 6 списков. Не заставляйте нас заполнять пробелы.