嘗試在 Python/pandas 中使用正則表達式獲取子字符串

Question

我知道這可能看起來很愚蠢，但我一直在到處尋找並嘗試使用正則表達式並徒勞地拆分。 我的腳本從不適用於我的數據集上的所有類型的字符串。

我有一列包含看起來像（三種情況）的原始數據：

20181223-FB-BOOST-AAAA-CC Auchy-Les-Mines - Père Noel
20161224-FB-BOOST-SSSS-CC LeMarine - XXX XXX
20161223-FB-BOOST-XXXX-CC Bonjour le monde - Blah blah

所以我想要做的是將字符串放在 CC 之后和“-”之前的中間。 我寫了一個腳本，它確實適用於第二種情況，但從來沒有適用於其他兩種情況：

1st case: Auchy-Les-Mines
2nd case: LeMarine
3rd case: Bonjour le monde

這是我使用的正則表達式，但從未適用於所有情況：regex = r"\\s\\b.*-."

提前致謝 ！

Answer 1

你我用

df['Col'].str.extract(r'-CC\s+(.*?)\s+-')

請參閱正則表達式演示。

圖案詳情

• -CC - 文字子串
• \\s+ - 1+ 個空格
• (.*?) - 第 1 組（該值將由.str.extract返回）：除換行符以外的任何 0+ 個字符，盡可能少
• \\s+ - 1+ 個空格（ +在這里很重要）
• - - 一個連字符

在(.*?)兩端都有\\s+模式的事實將確保結果已經從空格中去除，無論有多少空格。

Answer 2

您可以使用以下方法進行相當簡單的操作：

result = df.raw_data.str.extract(r'-CC (.*) -')