正则表达式匹配字符串中的多个数字

Question

我有一个看起来像这样的正则表达式来从列中提取订单号：

df["Orders"].str.extract('([0-9]{9,10}[/+ #_;.-]?)')

订单列可能如下所示：

12
123456789
1234567890
123456789/1234567890
123456789/1/123456789
123456789+1234567890

正则表达式后数据框中生成的新列应如下所示：

NaN
123456789
1234567890
123456789/1234567890
123456789/123456789
123456789+1234567890

但是，使用我当前的正则表达式，我得到以下结果：

NaN
123456789
1234567890
123456789/
123456789/
123456789+

我怎样才能得到我正在寻找的结果？

Answer 1

您可以使用

import pandas as pd
df = pd.DataFrame({'Orders':['12','123456789','1234567890','123456789/1234567890','123456789/1/123456789','123456789+1234567890', 'Order number: 6508955960_000010_1005500']})
df["Result"] = df["Orders"].str.findall(r'[/+ #_;.-]?(?<![0-9])[0-9]{9,10}(?![0-9])').str.join('').str.lstrip('/+ #_;.-')
df.loc[df['Result'] == '', 'Result'] = np.nan

请参阅正则表达式演示。 细节

• [/+ #_;.-]?(?<![0-9])[0-9]{9,10}(?![0-9]) - 匹配可选的/ 、 + 、空格、 # , _ , ; , . 或-字符，然后是不包含其他数字的无或十位数字
• Series.str.findall提取所有出现
• .str.join('')将匹配项连接成一个字符串
• .str.lstrip('/+ #_;.-') - 删除与字符串开头的数字匹配的特殊字符
• df.loc[df['Result'] == '', 'Result'] = np.nan - 如果需要 - 用Result列中的np.nan值替换空字符串。

输出：

>>> df
                  Orders                Result
0                    NaN                   NaN
1              123456789             123456789
2             1234567890            1234567890
3   123456789/1234567890  123456789/1234567890
4  123456789/1/123456789   123456789/123456789
5   123456789+1234567890  123456789+1234567890
>>> 

Answer 2

您可以调整下一个代码以使用数据框，

正则表达式： (?:^|([/+ #_;.-]))(?:\d{1,8})(?!\d)

• (?:\d{1,8})(?!\d) - 找到一个数字（<9 位）
• ([/+ #_;.-]) - 前面有一个/没有一个可能的分隔符（组 #1）

有条件地替换为NaN或空字符串 - subst使用match.group(1)来区分两个选项：

• 独立无效 - 12
• 带分隔符的无效 - /1

import re

regex = r"(?:^|([/+ #_;.-]))(?:\d{1,8})(?!\d)"

test_str = ("12\n"
            "123456789\n"
            "1234567890\n"
            "123456789/1234567890\n"
            "123456789/1/123456789\n"
            "123456789+1234567890")

def subst(match):
    m = match.group(1)
    return "" if m else "NaN"

result = re.sub(regex, subst, test_str, 0, re.MULTILINE)

if result:
    print(result)

输出：

NaN
123456789
1234567890
123456789/1234567890
123456789/123456789
123456789+1234567890