Python Regexのヘルプが必要です

Question

テキストファイルからデータを抽出しようとしています。 Jon 2013 transの35行目のexの場合（P） '私は（35、2013、（P））を抽出しようとしています。

この35は文書番号であり、2015は文書年であり、（P）は優先文書を示す。

文書番号には文書年が続き、文書の優先順位が高い場合は、最後に（P）が付きます。

文書の優先度が高くなく、最後に（P）が含まれていない可能性があります。 ex-'31 of Sansa 2014 filled ' これは私が抽出したい（31,2014、' '）

私は文書の情報を含む文字列を持っています。問題は、文字列が連結され、単一の文字列に複数のドキュメントの情報があることです。

line = '35 of Jon 2013 trans。 （P）3130のArya 2014空325が封印されたSansa 2014の3132封印、（P） '

私は以下のコードを書いていますが、正しく機能しません。

rgx = r'(\d{1,9})\s* OF \s*[A-Za-z]+\s*([1,2]\d{3}).*?(\(P\))?' 
rgx2 = r'(\d{1,9})\s* OF \s*[A-Za-z]+\s*([1,2]\d{3}).*?(\(P\))' 
line = '35 of Jon 2013 trans. (P) 31 of Sansa 2014 filled 3232 of Arya 2014 empty 345 of Bran 2011 sealed, (P)' 

x = re.findall(rgx, line, re.IGNORECASE) 
for i in x: 
    print i 
print 'Output by rgx2' 
x = re.findall(rgx2, line, re.IGNORECASE) 
for i in x: 
    print i 

このコードによって生成される出力： - 最初の正規表現は正しくドキュメントIDとドキュメント年をキャッチすることができますが、それは（P）を抽出するために失敗したものの

('35', '2013', '') 
('31', '2014', '') 
('3232', '2014', '') 
('345', '2011', '') 
Output by rgx2 
('35', '2013', '(P)') 
('31', '2014', '(P)') 

私が使用しているようなタイプ「（ P）？ 2番目の正規表現の問題は、P型を見つけるために "。*？（P）"を使用しているため、間違ったデータになります。

私が欲しい正しいデータ出力は、誰もがより良い正規表現を提案することができます

('35', '2013', '(P)') 
('31', '2014', '') 
('3232', '2014', '') 
('345', '2011', '(P)') 

です。 助けてください！

Answer 1

あなたがそれをしたいので、これは動作します：

import re 

reg = r'(\d+)[^\d]*(\d+)[^\d|\(]*(\(P\))*' 
line = '35 of Jon 2013 trans. (P) 31 of Sansa 2014 filled 3232 of Arya 2014 empty 345 of Bran 2011 sealed, (P)' 

print 'Output by reg'  
for _ in re.findall(reg, line, re.IGNORECASE): 
    print _ 

Answer 2

は、この正規表現を試してみてください：

(\d+) of [a-zA-Z]+ (\d+) [a-zA-Z.]+(?:[,]? (\(P\)))?