在python中使用正则表达式提取日期

Posted 2023-02-23

【中文标题】在python中使用正则表达式提取日期

【英文标题】：extracting dates using Regex in python

【发布时间】：2019-07-17 21:59:40

【问题描述】：

我想从我的数据框列 data3['CopyRight'] 中提取年份。

CopyRight
2015 Sony Music Entertainment
2015 Ultra Records , LLC under exclusive license
2014 , 2015 Epic Records , a division of Sony Music Entertainment
Compilation ( P ) 2014 Epic Records , a division of Sony Music Entertainment
2014 , 2015 Epic Records , a division of Sony Music Entertainment
2014 , 2015 Epic Records , a division of Sony Music Entertainment

我正在使用下面的代码来提取年份：

data3['CopyRight_year'] = data3['CopyRight'].str.extract('([0-9]+)', expand=False).str.strip()

使用我的代码，我只能得到第一次出现的年份。

CopyRight_year
2015
2015
2014
2014
2014
2014

我想提取列中提到的所有年份。

预期输出

CopyRight_year
    2015
    2015
    2014,2015
    2014
    2014,2015
    2014,2015

【参考方案1】：

将findall 与正则表达式一起使用以查找所有长度为4 的整数到列表中，并通过分隔符最后join：

感谢@Wiktor Stribiżew 的想法添加字边界r'\b\d4\b'：

data3['CopyRight_year'] = data3['CopyRight'].str.findall(r'\b\d4\b').str.join(',')
print (data3)
                                           CopyRight CopyRight_year
0                      2015 Sony Music Entertainment           2015
1   2015 Ultra Records , LLC under exclusive license           2015
2  2014 , 2015 Epic Records , a division of Sony ...      2014,2015
3  Compilation ( P ) 2014 Epic Records , a divisi...           2014
4  2014 , 2015 Epic Records , a division of Sony ...      2014,2015
5  2014 , 2015 Epic Records , a division of Sony ...      2014,2015

【讨论】：

我会使用r'\b\d4\b'，因为'(\d4)' 将匹配4位数的块，即使在较长的数字块中（例如006789中的0067）。

@jezrael - 非常感谢，我得到了预期的输出。

【参考方案2】：

您当前的正则表达式将只捕获数字，如果您想捕获逗号分隔的年份，那么您需要将您的正则表达式增强到这一点，

[0-9]+(?:\s+,\s+[0-9]+)*

这个正则表达式[0-9]+ 将匹配数字，另外(?:\s+,\s+[0-9]+)* 正则表达式将匹配一个或多个空格，后跟一个逗号，再后跟一个或多个空格，最后是一个数字和整个数字零次或多次在数据中可用。

Demo

将您的熊猫数据框行更改为此，

data3['CopyRight_year'] = data3['CopyRight'].str.extract('([0-9]+(?:\s+,\s+[0-9]+)*)', expand=False).str.replace('\s+','')

打印，

                                           CopyRight CopyRight_year
0                      2015 Sony Music Entertainment           2015
1   2015 Ultra Records , LLC under exclusive license           2015
2  2014 , 2015 Epic Records , a 1999 division of ...      2014,2015
3  Compilation ( P ) 2014 Epic Records , a divisi...           2014
4  2014 , 2015 Epic Records , a division of Sony ...      2014,2015
5  2014 , 2015 Epic Records , a division of Sony ...      2014,2015

虽然我喜欢 jezrael 的答案，它使用了 findall 和 join，这为您提供了更大的灵活性和更简洁的方法。