匹配到逗号或行尾

Question

我有一个熊猫DataFrame看起来像这样：

0               UDP/ax/bsd
1     T Traffic/sa
2     ICMP/v/e,stuff hi/a/abc,ab/a

我想替换一切从第一次遇到/直到一个逗号或行尾。 因此，我最初尝试了df.col_A.replace('/.+','',regex=True) ，它只是给了我第一个单词（直到第一个斜杠为止）。

为了得到逗号分隔的单词，我尝试了以下操作：

`df.col_A.replace('/.+[,$]',',',regex=True)` 

我的逻辑是替换从斜杠到[逗号或EOL]的所有内容。 这没有预期的行为。 我该如何修改？

来自数据帧第2（3）行的预期输出为：

ICMP,stuff hi, ab

请注意，我试图避免使用split，因为我认为这可能会花费更长的时间，因为它也会存储无关的部分。

Answer 1

您可以使用：

 >>> print re.sub(r'/[^,]*(,|$)', ' \1', 'ICMP/v/e,stuff hi/a/abc,ab/a')
ICMP stuff hi ab

正则演示

正则表达式分解：

/       # match literal /
[^,]*   # match 0 or more of any character that is not comma
(,|$)   # Match comma or end of line and capture it as group #1

替换为" \\1" ，表示空格，然后反向引用组＃1

Answer 2

施工[....]一组字符的匹配。 在这种情况下， $是一个字符。 如果要匹配其他正则表达式（其中$是正则表达式），则应使用竖线（ | ）。 我也更喜欢使用\\Z而不是$并且由于普通+运算符会尽可能多地进食，因此您需要使用+? 得到最短的距离，而不是吃掉整条线。

df.col_A.replace('/.+?(,|$)','',regex=True)

但是，由于+运算符try尽可能匹配，因此可以避免使用：

df.col_A.replace('/[^,]+','',regex=True)

其中[^,]+意思是“尽可能多的字符，而不是逗号”。