在正则表达式中查找带有大写字母并以某个单词结尾的字符串

Posted 2023-03-12

【中文标题】在正则表达式中查找带有大写字母并以某个单词结尾的字符串

【英文标题】：Find strings with UPPER case letters and ends with a certain word in regex

【发布时间】：2019-08-10 20:11:16

【问题描述】：

我有一个数据框，其中一列由具有三种模式的字符串组成：

1) 仅限大写字母：APPLE COMPANY

2) 大写字母并以字母 AS 结尾：CAR COMPANY AS

3) 大小写字母：John Smith

df = pd.DataFrame('NAME': ['APPLE COMPANY', 'CAR COMPANY AS', 'John Smith'])

             NAME ...
0   APPLE COMPANY ...
1  CAR COMPANY AS ...
2      John Smith ...
3             ... ...

如何取出那些不满足 2) 和 3) 条件的行，即 1)？换句话说，我怎样才能取出只有大写字母、不以AS 结尾或字符串中同时有大写字母和小写字母的行？

我想出了这个：

df['NAME'].str.findall(r"(^[A-Z ':]+$)")
df['NAME'].str.findall('AS')

第一个提取仅包含大写字母的字符串，但第二个仅找到AS。如果除了正则表达式之外还有其他方法，我也很乐意尝试。

预期结果是：

             NAME ...
1  CAR COMPANY AS ...
2      John Smith ...
3             ... ...

【参考方案1】：

这个正则表达式应该可以工作：

^(?:[A-Z ':]+ AS|.*[a-z].*)$

它匹配以下任一：

[A-Z ':]+ AS - 所有大写字母后跟 AS 的情况 .*[a-z].* - 小写字母的大小写

Demo

【讨论】：

你的答案是最好的 :)，对于基于 pandas 的解决方案 df['NAME'] = df['NAME'].str.extract("(^(?:[A-Z ':]+ AS|.*[a-z].*)$)")

【参考方案2】：

一种方法是，

df['temp']=df['NAME'].str.extract("(^[A-Z ':]+$)")
s1=df['temp']==df["NAME"]
s2=~df['NAME'].str.endswith('AS')

print(df.loc[~(s1&s2), 'NAME'])

O/P：

1    CAR COMPANY AS
2        John Smith
Name: NAME, dtype: object

【参考方案3】：

你也可以试试：

df_new = df[~df['NAME'].str.isupper()|df['NAME'].str.endswith('AS')]

【参考方案4】：

使用apply 和您可能想要检查的不同模式：

import re
def myfilter(x):
    patterns = ['[A-Z]*AS$','[A-Z][a-z]1,']
    for p in patterns:
        if len(re.findall(p, x.NAME)):
            return True
    return False

selector = df.apply(myfilter, axis=1)

filtered_df = df[selector]