python - 我如何使用正则表达式在 PDF 中搜索括号内的所有单词，除了一组特定的单词？

Question

我正在尝试在一个 8 页的 PDF 文件中搜索括号内的所有单词，除了“(EAI)”、(EY) 和其他一些单词。我使用的是正则表达式，可以在括号内说出所有三个字母的词来提取，但我不知道如何排除我想排除的内容。

import re
lines = text.split()
search = "\(\D{3}\)"
regex = re.compile(search)

for line in lines:
    three_letters= regex.findall(line)
    for word in three_letters:
    print(word)

我得到以下列表:

(胎牛血清) (NFS) (内陆) (CD) (CD) (EAI) (EAI) (EAI) (VIG) (EAI) (EAI) (NTF) (DRP) (EAI) (IAD)

但我需要排除其中的一些。

我一直在努力解决这个问题，请帮忙!!

Answer 1

使用 findall 函数(匹配 3 个字母)

\((?!(?:list|of|stuff|you|don't|want)\))[A-Z]{3}\)

格式化

 \(
 (?!
      (?:
           list
        |  of
        |  stuff
        |  you
        |  don't
        |  want 
      )
      \)
 )
 [A-Z]{3} 
 \)

---

指定范围使其可变。
此示例匹配 2 到 5 个字母 {2,5}。
或者，2 到没有上限只是 {2,}

\((?!(?:list|of|stuff|you|don't|want)\))[A-Z]{2,5}\)