基於正則表達式提取單詞

Question

我試圖提取出現在單詞 SUITE、suite、ste、Ste 之后的任何內容。 或熊貓數據框列中的字符 # 。 例子如下

4230 Harding Pike Ste 435
4230 Harding Pike Suite 435
4230 Harding Pike SUITE A
4230 Harding Pike Ste. 101
4230 Harding Pike SUITE B-200
4230 Harding Pike #900
4230 Harding Pike STE 503
4230 Harding Pike SUITE 300
4230 Harding Pike Ste 700
4230 Harding Pike SUITE #2

結果：

SuiteNos

435
435  
A
101
B-200
900
503
300
700
2

我嘗試使用以下正則表達式，但它沒有按預期工作 -

 df_merged['address'].str.extract(r'\**\**suite.*\**\**')
 df_merged['address'] = re.findall('@([suite]+)', df_merged['address'])

Answer 1

使用不區分大小寫的匹配，您可以使用帶有交替的捕獲組：

(?i)(?:#|Suite|ste\.?)\s*([^\s#].*)

模式匹配：

• (?:非捕獲組
  • Suite匹配字面意思
  • | 或者
  • ste\\.? 將 ste 與可選點匹配
  • | 或者
  • #逐字匹配
• )關閉非捕獲組
• \\s*匹配可選的空白字符
• ([^\\s#].*)捕獲組 1，從匹配不帶 # 的非空白字符開始，以及該行的其余部分

正則表達式演示

strings = [
    "4230 Harding Pike Ste 435",
    "4230 Harding Pike Suite 435",
    "4230 Harding Pike SUITE A",
    "4230 Harding Pike Ste. 101",
    "4230 Harding Pike SUITE B-200",
    "4230 Harding Pike #900",
    "4230 Harding Pike STE 503",
    "4230 Harding Pike SUITE 300",
    "4230 Harding Pike Ste 700",
    "4230 Harding Pike SUITE #2"
]

pattern = r"(?i)(?:#|Suite|ste\.?)\s*([^\s#].*)"
df_merged = pd.DataFrame(strings, columns = ['address'])
df_merged['SuiteNos'] = df_merged['address'].str.extract(pattern)

print(df_merged)

輸出

0      435
1      435
2        A
3      101
4    B-200
5      900
6      503
7      300
8      700
9        2

Answer 2

使用您顯示的示例，請嘗試以下正則表達式。

[Ss](?:[uU][iI])?[tT][eE](?:[.])?\s+#?(\S+)

在Pandas 中運行以下代碼：

df['value'].str.extract(r'[Ss](?:[uU][iI])?[tT][eE](?:[.])?\s+#?(\S+)')

Pandas 中的上述代碼和 OP 提供的示例的輸出如下：

0      435
1      435
2        A
3      101
4    B-200
5      NaN
6      503
7      300
8      700
9        2
Name: value, dtype: object

上述正則表達式的在線演示

說明：為以上添加詳細說明。

[Ss]           ##Matching small OR capital S here.
(?:[uU][iI])?  ##In a non-capturing group matching u/U i/I and keep this optional.
[tT][eE]       ##Matching t or T followed by e or E here.
(?:[.])?       ##In a non-capturing group matching . and keeping it optional.
\s+#?          ##Matching 1 or more occurrences of space here followed by # and keeping it optional match here.
(\S+)          ##Creating 1st and only capturing group to catch everything non-space here.