如何使用正则表达式提取 substring

Question

我有如下的 SKU：

SBC225SLB32
SBA2161BRB30
PBA632AS32

其中前3-4个字符为AZ，必须提取，后面3-4个数字为[0-9]，也必须提取。

第一次，我尝试了\D{3,4} ，第二次，我尝试了\d{3,4} 。

但是当使用 pandas' .str.extract('\D{3,4}')时，我得到一个pattern contains no capture groups错误。 有一个更好的方法吗？

Answer 1

您传递给Series.str.extract的正则表达式模式不包含捕获组，而该方法至少需要一个。

在您的情况下，在两个捕获组的帮助下一次获取两个值会更方便。 您可以使用

df[['Code1', 'Code2']] = df['SKU'].str.extract(r'^([A-Z]{3,4})([0-9]{3,4})', expand=False)

请参阅正则表达式演示。 图案细节：

• ^ - 字符串的开始
• ([AZ]{3,4}) - 捕获第 1 组：三到四个大写 ASCII 字母
• ([0-9]{3,4}) - 捕获第 2 组：三到四个大写 ASCII 数字。