如何在关键字和日期前后提取文本

Question

我想从数据框列中分离出作者的姓名，域名和日期。

虽然.split（“中的”）可以很好地分隔左侧的作者姓名，但我也想分隔域和日期，但不能通过空格符号分隔。

from pandas import DataFrame

Cars = {'Details': ['Daniel Jacobs in HackeMoon.comJul 31, 2017','Wil Zelk in websiteabc.deJan 28','Wil Zelk in anotherwebsite.chJan 28, 2019'],
        }

df = DataFrame(Cars,columns= ['Details'])

print(df)

df = df.Details.str.split(" in ", expand=True)
print(df)

Answer 1

您可以结合使用正则表达式尝试使用DataFrame.str.extract ：

df['Details'].str.extract(r'(?P<author>.*?) in (?P<url>.*)(?P<date>[A-Z].*)', expand=True)

这样产生：

          author                url          date
0  Daniel Jacobs      HackeMoon.com  Jul 31, 2017
1       Wil Zelk      websiteabc.de        Jan 28
2       Wil Zelk  anotherwebsite.ch  Jan 28, 2019

为了分隔字符串，我使用以下假设：

• 名称和网址之间以“”分隔
• 日期的第一个字符（也是第一个字符）是大写字母（因此字符串中的最后一个大写字符表示日期部分的第一个字符）