如何过滤查询集中的某些单词

Question

我有一个变量，其中包含股票代码。 我需要拆分每个符号，以独立计算它。

print(Symbols_Splitted)

 #returns this 

["'['AAPL", 'TSLA', "MSFT']'"]

我需要一些东西来过滤相关的词，模式总是一样的。

我试过了，这很有效，但我发现了一个问题。 某些交易品种中有特殊字符，如“EURUSD=X”，此代码删除了“=”，使其无效。

            def convertor(s):
                perfect = re.sub('[^a-zA-Z]+', '', s)
                return perfect

            all = list(map(convertor, Symbols_Splitted))

所以，以第一个例子为例，我需要这样的东西：

Some_function(Symbols_Splitted)

Symbols_Splitted[0]
> AAPL
Symbols_Splitted[1]
> MSFT
Symbols_Splitted[2]
> TSLA

解决方案：我在括号内添加了 = 和 - 所以我的 function 现在是

            def convertor(s):
                perfect = re.sub('[^a-zA-Z-=-]+', '', s)
                return perfect

            all = list(map(convertor, Symbols_Splitted))

Answer 1

我不认为替换是这里到 go 的最佳路径。 我会尝试定义您感兴趣的模式——股票代码。

我不完全确定股票代码中的所有有效字符是什么以及适用于这些符号的规则。 但从我目前所读的内容来看，似乎以下内容成立：

• 至少 2 个字符长
• 必须以拉丁字母或数字开头和结尾
• 可以包含字母、数字、点和等号

使用这些规则，我们可以构建以下简单模式：

\w[\w=.]*\w

Python 代码可能如下所示：

import re


PATTERN_TICKER_SYMBOL = re.compile(r"\w[\w=.]*\w")


def extract_symbol(string: str) -> str:
    m = re.search(PATTERN_TICKER_SYMBOL, string)
    if m is None:
        raise ValueError(f"Cannot find ticker symbol in {string}")
    return m.group()


test_data = [
    "'['AAPL",
    "TSLA",
    "MSFT']'",
    "''''...BRK.A",
    "[][]EURUSD=X-...",
]
cleaned_data = [extract_symbol(s) for s in test_data]
print(cleaned_data)

Output：

['AAPL', 'TSLA', 'MSFT', 'BRK.A', 'EURUSD=X']

如果有额外的要求，模式当然可以扩展。