使用正则表达式从 DF 中提取完全匹配

Posted 2023-03-12

【中文标题】使用正则表达式从 DF 中提取完全匹配

【英文标题】：Extract exact match from DF using regex

【发布时间】：2020-05-18 22:06:12

【问题描述】：

我正在研究 DF(Text)，我需要从仅包含月/年的文本中准确提取月和年，但是当我应用此公式时，它也会从 dd/月/年中提取月/年，而我也没有不想。

例如

Text1 -5/24/1990 CPT 代码：90792：医疗服务

Text2 - 自 2014 年 10 月起：左手疲劳、健忘、灵巧受损。 MRI 显示一个约 4.2cm x 3.3cm x 2.5cm 的右侧顶叶强化肿块，周围水肿。

我只需要从 DF 中提取 10/2014，但是当我应用此公式时，它会同时提取 24/1990 和 10/2014。

当文本中只提到年份时，我还需要从同一 DF 的文本中仅提取年份。

公式：

df['Text'].str.extractall(r'((?P<Month>\d1,2)\/(?P<Year>\d4))')

【参考方案1】：

怎么样：

((?<!\d/)(?<!\d)(?P<Month>\d1,2)\/(?P<Year>\d4))

如所见here

注意：这是最全面的解决方案，但也有比这更简单的方法，例如在可提取日期之前检查空格

说明：

(?<!) 是正则表达式中的负向回溯，可确保匹配之前没有某些内容。在这里，我确保匹配项前面没有数字或数字后跟斜线

【讨论】：

感谢我的问题已解决。非常感谢您的帮助。

@AnandJyesth 如果有任何答案解决了您的问题，请不要忘记接受它作为正确答案，因为它可以轻松帮助其他有类似问题的人。

【参考方案2】：

试试：(?<!\/|\d)\d1,2\/\d\d\d\d(?!\/|\d)

解释：

(?<!\/|\d) - 否定的lookbehind：断言前面的不是/ 或\d（任何数字）

\d1,2 - 匹配一位或两位数字

\/ - 匹配 / 字面意思

\d\d\d\d - 匹配四位数字

(?!\/|\d) - 否定前瞻：断言后面的不是/ 或\d（任何数字）

Demo

【讨论】：

该模式匹配月份的 2 位数字而不是 \d1,2 我认为您也可以使用字符类编写它(?<![/\d])(?P<Month>\d1,2)/(?P<Year>\d4)(?![/\d]) regex101.com/r/6LVjv5/1

@Thefourthbird 谢谢，已更正。你说得对，这是我最初的想法，但环顾四周提供了更大的灵活性。

此解决方案存在三个问题：1) 它不适用于当前的 OP 代码 2) 如果在 / 之前存在预期匹配，它将无法工作，3) 它不会如果有一年没有月，就只提取一年。

感谢我的问题已解决。非常感谢您的帮助。

@AnandJyesth 您应该接受其中一个答案或发布您自己的答案，以便将来有人可以从这个问题中受益。