Sua regex busca por "Código", seguido de espaço, seguido de dígitos. Por isso que só encontra 8781. Os outros números não tem "Código" + espaço antes deles.
Aliás, na pergunta é dito que vc quer "extrair todas as ocorrências de quatro dígitos". Isso dá a entender que são exatamente 4 dígitos, então o 406 e 407 não deveriam estar no resultado, e a busca deveria usar \d{4}
(exatamente 4 dígitos). Mas se a ideia é buscar "entre 1 e 4 dígitos", aí faria sentido usar {1,4}
(vamos assumir que seja a segunda opção).
Se a string é exatamente como vc indicou, ou seja, vc já sabe que ela começa com "Código", então não precisaria verificar esta condição, bastando pegar os dígitos:
import re
text = 'Código 8781 406 407'
ocorrencias = re.findall(r'\d{1,4}', text)
print(ocorrencias) # ['8781', '406', '407']
Você também poderia colocar um if text.startswith('Código '):
para ter certeza que o texto começa com "Código ", por exemplo. Mas se isso já foi verificado antes e você sabe que a string sempre chega nesse formato, não seria necessário tal verificação.
E na verdade, nem precisaria de regex, bastaria quebrar a string pelo espaço e verificar se cada parte é um número entre 0 e 9999 (ou seja, entre 1 e 4 dígitos):
text = 'Código 8781 406 407'
if text.startswith('Código '):
ocorrencias = []
for valor in text[7:].split(' '):
try:
if 0 <= int(valor) <= 9999: # número entre 1 e 4 dígitos
ocorrencias.append(valor)
except ValueError:
# Valor não é um número válido.
# Neste caso estou ignorando, mas poderia ter uma mensagem de erro,
# interromper o loop, etc
pass
print(ocorrencias) # ['8781', '406', '407']
else:
print("Código não encontrado")
Só vai dar diferença se tiver algo como "00000", pois a regex não vai pegar, mas int
converterá para zero e irá considerar válido. Tem que ver se isso se aplica ao seu caso.
Agora, se a string tem mais texto, e vc só quer pegar os dígitos que vêm depois da palavra "Código", aí muda um pouco. Por exemplo, se a string fosse assim:
Abc blablabla 1234 5678 xyz Código 8781 406 407 blabla etc 111 333
Entendo que deveria pegar apenas 8781, 406 e 407. Ou o 111 e 333 também? Se for o primeiro caso, bastaria procurar números a partir de "Código", e parar quando não encontrar mais um número:
import re
text = 'Abc blablabla 1234 5678 xyz Código 8781 406 407 blabla etc 111 333'
start = text.find('Código ')
if start == -1:
print("Código não encontrado")
else:
start += 7 # Pula a palavra "Código" e o espaço depois dela
r = re.compile(r'\d{1,4}')
ocorrencias = []
while match := r.match(text, start):
start += len(match[0]) + 1
ocorrencias.append(match[0])
print(ocorrencias) # ['8781', '406', '407']
Agora se for para pegar também o 111 e 333, bastaria um findall
a partir da posição em que "Código" ocorre:
import re
text = 'Abc blablabla 1234 5678 xyz Código 8781 406 407 blabla etc 111 333'
start = text.find('Código ')
if start == -1:
print("Código não encontrado")
else:
ocorrencias = re.findall(r'\d{1,4}', text[start + 7:])
print(ocorrencias) # ['8781', '406', '407', '111', '333']
Enfim, qual escolher depende das variações nos dados de entrada. Uma das regras para se construir uma regex é "conheça seus dados" (se tal situação não ocorre, não vale a pena complicar à toa, mas caso ocorra, pode valer a pena para evitar falsos positivos).
E mais uma vez, neste caso também não precisa de regex, pois você pode ir percorrendo a string a partir da posição em que "Código" ocorre e verificar se cada parte é um número:
text = 'Abc blablabla 1234 5678 xyz Código 8781 406 407 blabla etc 111 333'
start = text.find('Código ')
if start == -1:
print("Código não encontrado")
else:
ocorrencias = []
for valor in text[start + 7:].split(' '):
try:
if 0 <= int(valor) <= 9999:
ocorrencias.append(valor)
except ValueError:
# troque "break" por "pass" se quiser pegar também o 111 e 333
break
print(ocorrencias)
No caso, ele interrompe o for (usando break
), assim que encontra algo que não é um número válido. Ou seja, não vai pegar 111 e 333. Mas caso queria incluí-los, troque break
por pass
.