正则表达式在忽略某些行的同时提取单词之前的数字

Question

我正在尝试使用Python和pdf2text从我收到的要打印和邮寄的4000个单页PDF文件中提取邮政编码-不幸的是，我无权访问原始文件，因此在创建文件时无法进行调整。

我的最终目标是使用Postalcode_ExistingFilename.pdf重命名所有PDF文件，以便可以对邮政网络进行排序。我还需要将同一位客户的PDF合并到一个文件中，但这是另一个问题。

在PDF中，我们有“亲爱的”一词，邮政编码在此之前（尽管有几行）：

04 Jul 2018

Mr Sam Sample

123 Sample Street

Sample Suburb

Sample City 1234

Dear Sam

我设法使其与

(\d+)\s*Dear 

直到地址行数发生变化，导致转换为文本后，在Dear和邮政编码之间添加了一块文本。

04 Jul 2018

Mr Sam Sample

123 Sample Street

Sample City 1234

PO Box 1234

Sample City

Phone: [phone]

Fax: [phone]

Email: [e-mail]

Website: email.com

Dear Sam

我试图从顶部开始进行此工作，并查找前4位数字（不包括）2018，但是任何4位街道号都被匹配了，这不是我想要的。

您可以提供的任何建议都很棒。

Answer 1

在不包含日期的行（即以数字开头的行）上，尝试在行尾匹配4位数字是怎么回事？import rere.findall(r'^[^\d].*?\s+(\d{4})\s*$', data, re.MULTILINE)# ['1234']