Python在某些字符串后提取数字

Posted 2021-05-03

我有一个数据框，如下所示

import pandas as pd
page = ['A','B','C','D']
URL = ['aaa.bbb3333.ccc.de12345.dddd.cccc','ccc2222.ddd.aaa.ho16589.ddd','ddd16893.aaa.de59875','aaa15875.ccc.ddd.ho13532']
df = pd.DataFrame({'page':page,'URL':URL})

我想创建一个在'de'或'ho'之后提取数字的列。请注意，数字的长度可能不同，并且'de'或'ho'的位置也可能不同。

我的代码如下：

import re
def extract_number(df,url):
    for url in df:
        if df[url].str.contains('de', na = False) == True:
            match = re.search('de:P(d+)')
        elif df[url].str.contains('ho', na = False) == True:
            match = re.search('ho:P(d+)')
        else:
            match = 'not found'
        print(match)

out = extract_number(df, 'URL')

它返回错误'系列的真值不明确。使用a.empty，a.bool（），a.item（），a.any（）或a.all（）。'

所需的输出应如下所示：

import pandas as pd
page = ['A','B','C','D']
URL = ['aaa.bbb.ccc.de12345.dddd.cccc','ccc.ddd.aaa.ho16589.ddd','ddd.aaa.de59875','aaa.ccc.ddd.ho13532']
ID = ['12345','16589','59875','13532']
df = pd.DataFrame({'page':page,'URL':URL,'ID':ID})

百万感谢！！！

答案

使用str.extract并带有正向外观：

df["num"] = df["URL"].str.extract(r"(?<=de|ho)(d+)")

print (df)

#
  page                                URL    num
0    A  aaa.bbb3333.ccc.de12345.dddd.cccc  12345
1    B        ccc2222.ddd.aaa.ho16589.ddd  16589
2    C               ddd16893.aaa.de59875  59875
3    D           aaa15875.ccc.ddd.ho13532  13532