使用 python 删除字符串中包含任何给定子字符串的所有单词

Question

我有一个 .csv 文件，其中有一列包含文本。 对于此列中的每个项目，都有一个基因名称和一个日期（例如“CYP2C19, CYP2D6 07/17/2020”）。 我想从该列中的所有值中删除日期，以便只有两个基因可见（输出：'CYP2C19，CYP2D6'）。 其次，在某些框中既有基因名称，也有没有建议的指示（'CYP2C9 08/19/2020（无建议'）。在这些情况下，我想删除日期和声明无推荐（输出：'CYP2C19，CYP2D6'）。

我尝试使用下面的代码删除包含单个字符串的斜杠的任何文本（我还没有尝试对整个.csv 文件进行任何操作）。 然而，不幸的是，它从日期离开了 07。

import re
pattern = re.compile('/(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\(\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+')
s = 'CYP2C19, CYP2D6 07/17/2020'
pattern.sub('', s)

Output：'CYP2C19，CYP2D6 07'

Answer 1

我认为您可以获取每一列然后将其拆分：例如，让我们采用以下字符串： column = ' CYP2D6 07/17/2020' 您可以这样做： m = column.split()然后您将获得：一个类似的列表： m=['CYP2D6','07/17/2020']之后你可以简单地采取： gene = m[0]

Answer 2

一种方法是从字符串中取出日期，然后随意拆分。 请注意，这适用于任意数量的日期：

import re
x = 'CYP2C19, CYP2D6 07/17/2020'
x = re.sub(r'\s*\d{2}/\d{2}/\d{4}', "", x)

如果您总是知道只有一个空格将您想要的术语和日期分开，您可以将\s*替换为 \ \s ，但我认为没有理由这样做。

请注意，您现在可以通过分隔符将其拆分，在您的问题中，分隔符实际上是一个逗号后跟一个空格

result = x.split(", ")
# ['CYP2C19', 'CYP2D6']

尽管在您的 csv 中，您可能会发现它只是一个逗号（通常是 CSV）。

结合以上步骤：

import re
x = 'CYP2C19 08/15/1972, CYP2D6 07/17/2020'
x = re.sub(r'\s*\d{2}/\d{2}/\d{4}', "", x).split(", ")
# ['CYP2C19', 'CYP2D6']