[英]Regex to match multiple numbers within string
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?
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
>>>
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:
12
/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
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.