Я анализирую текст в Python, используя регулярное выражение, которое обычно выглядит примерно так:
JT Meta Platforms, Inc. - Class A
Common Stock (META) [ST]S (partial) 02/08/2024 03/05/2024 $1,001 - $15,000
F S: New
S O: Morgan Stanley - Select UMA Account # 1
JT Microsoft Corporation - Common
Stock (MSFT) [ST]S (partial) 02/08/2024 03/05/2024 $1,001 - $15,000
F S: New
S O: Morgan Stanley - Select UMA Account # 1
JT Microsoft Corporation - Common
Stock (MSFT) [OP]P 02/13/2024 03/05/2024 $500,001 -
$1,000,000
F S: New
S O: Morgan Stanley - Portfolio Management Active Assets Account
D: Call options; Strike price $170; Expires 01/17 /2025
C: Ref: 044Q34N6
Я установил регулярное выражение для извлечения «тикера» (например, MSFT, META), которое выглядит следующим образом:
r"\(([A-Z]+\.?[A-Z]*?)\)"
Это извлекает соседние символы с заглавной буквы (например, IBM, T), находящиеся в круглых скобках, а также позволяет использовать необязательную точку (иногда случается, например, BRK.B) для определенных ситуаций.
В приведенном ниже примере сопоставление начинается с символов «(BM)», которые включены в сноску к предыдущей транзакции, а не с действительных тикеров. Логика их идентификации заключается в том, что им предшествует обозначение сноски «FS:», где могут быть небольшие отклонения в пробелах, но всегда будет включаться «FS:».
Как исключить эти ошибочные ситуации, используя регулярное выражение в Python?
Alibaba Group Holding Limited
American Depositary Shares each
representing eight Ordinary share
(BABA) [ST]S 01/19/2024 01/22/2024 $1,001 - $15,000
F S: New
S O: Iron Gate GA Brokerage Portfolio > IGGA IRA (BM)
Alphabet Inc. - Class C Capital Stock
(GOOG) [ST]S 01/19/2024 01/22/2024 $1,001 - $15,000
F S: New
S O: Iron Gate GA Brokerage Portfolio > IGGA ROTH IRA (JM)
Alphabet Inc. - Class C Capital Stock
(GOOG) [ST]S 01/19/2024 01/22/2024 $15,001 -
$50,000
F S: New
S O: Iron Gate GA Brokerage Portfolio > IGGA IRA (BM)
Amazon.com, Inc. (AMZN) [ST] S 01/19/2024 01/22/2024 $15,001 -
$50,000
F S: New
S O: Iron Gate GA Brokerage Portfolio > IGGA IRA (BM)
Amazon.com, Inc. (AMZN) [ST] S 01/19/2024 01/22/2024 $1,001 - $15,000
F S: New
S O: Iron Gate GA Brokerage Portfolio > IGGA ROTH IRA (JM)
Amazon.com, Inc. (AMZN) [ST] S 01/19/2024 01/22/2024 $1,001 - $15,000
F S: New
S O: Iron Gate GA Brokerage Portfolio > IGGA ROTH IRA (BM)Filing ID #20024354
Только не ищите по строкам, начинающимся с F S: или S O:?






Поскольку вы ожидаете только одно совпадение в строке, вы можете использовать
^(?![A-Z] [A-Z]:).*\(([A-Z]+\.?[A-Z]*)\)
Посмотрите демонстрацию регулярных выражений .
Подробности:
^ — начало строки(?![A-Z] [A-Z]:) - исключить строку, начинающуюся с заглавной буквы + пробел + заглавная буква + :.* — любые ноль или более символов, кроме символов разрыва строки, как можно больше.\( - ( символ([A-Z]+\.?[A-Z]*) — Группа 1: одна или несколько заглавных букв, необязательная точка, а затем ноль или несколько заглавных букв.\) - ) символ.