在 Python 中使用正则表达式获取特定字符串

Posted 2023-03-11

【中文标题】在 Python 中使用正则表达式获取特定字符串

【英文标题】：Get a specific string with Regex in Python

【发布时间】：2021-03-23 13:27:45

【问题描述】：

我的字符串如下所示：

ART-B-C-ART0015-D-E01
ADC-B-C-ADC00112-V-E01
AEE-B-C-AEE00011-D-E01
AQW-B-C-AQW0013-D-E01
AAZ-B-C-AAZ0014-D-E01
AQQ-B-C-AQQ0032-D-E01
ADD-B-C-D-ADD0001-D-E01
AAA-B-C-AAA0012-D-E01

我想得到以下结果： 预期结果：

ART0015
ADC00112
AEE00011
AQW0013
AAZ0014
AQQ0032
ADD0001
AAA0012

我使用了下面的正则表达式代码，不幸的是，我没有得到预期的结果，因为第 7 条记录不在第三个破折号中。它在第四个破折号中。

df["A"].str.extract(r'^(?:[^-]*-)3\s*([^-]+)', expand=False)

0     ART0015
1    ADC00112
2    AEE00011
3     AQW0013
4     AAZ0014
5     AQQ0032
6        D
7     AAA0012

【问题讨论】：

那么确定提取子串的规则是什么？

规则是否应该在第 3 次或第 4 次破折号之后超过某个字符阈值？它是否与 3 个字母字符后跟 4 个或 5 个数字字符有关？或者，您是否只在一定数量的字符之上或之间寻找字符串而不考虑位置？看看我对后者的回答。

【参考方案1】：

看起来您根本不需要正则表达式。为什么不直接拆分字符串并获取每个字符串的倒数第三个元素：

df["A"].str.split('-').str[-3]

例子：

import pandas as pd

d = 'A': ['ART-B-C-ART0015-D-E01', 'ADC-B-C-ADC00112-V-E01']
df = pd.DataFrame(data=d)
df['A'] = df["A"].str.split('-').str[-3]

print(df)

打印：

          A
0   ART0015
1  ADC00112

---

如果您的数据在感兴趣的子字符串之后更不规则，另一种可能的方法是拆分您的字符串并返回最长的子字符串：

df['A']= df['A'].apply(lambda s: max(s.split('-'), key=len))

如果你必须使用正则表达式并且你的模式看起来像你展示的那样，那么你也可以使用：

df['A']= df['A'].str.extract(r'([^-]4,)')

【参考方案2】：

另一种在匹配后查找 2 个 - 单独子字符串的方法：

>>> df['A'].str.extract(r'([^-]+)(?:-[^-]*)2$')
          0
0   ART0015
1  ADC00112
2  AEE00011
3   AQW0013
4   AAZ0014
5   AQQ0032
6   ADD0001
7   AAA0012

【参考方案3】：

使用 Series.str.extract 搜索 3 个字母后跟 4-5 数字：

In [477]: df['col'] = df['col'].str.extract(r'([a-zA-Z]3\d4,5)')

In [478]: df
Out[478]: 
0   ART0015
1  ADC00112
2  AEE00011
3   AQW0013
4   AAZ0014
5   AQQ0032
6   ADD0001
7   AAA0012

【参考方案4】：

您可以使用以下正则表达式搜索 7 或 8 个重复的字母数字字符，输出优先级较高：

df['A'] = df['A'].str.extract('-([A-Za-z0-9]7,8)-')

      A
0   ART0015
1   ADC00112
2   AEE00011
3   AQW0013
4   AAZ0014
5   AQQ0032
6   ADD0001
7   AAA0012

【参考方案5】：

从右侧开始计数，然后所有代码都在第三个破折号中。您可以做的是反转字符串，然后在获得结果后再次反转它。如果格式不稳定，则找到其他方法，例如计算破折号之间的代码长度，当它与要求匹配时，接受或打印。

【讨论】：

不，我认为这很好用。你介意让我知道如何逆转吗？

@SaraDaniel df['A'] = df['A'].apply(lambda x: x[::-1])

我想你现在明白了，抱歉回复晚了