正則表達式匹配字符串中的多個數字

Question

我有一個看起來像這樣的正則表達式來從列中提取訂單號：

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

訂單列可能如下所示：

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

正則表達式后數據框中生成的新列應如下所示：

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

但是，使用我當前的正則表達式，我得到以下結果：

NaN
123456789
1234567890
123456789/
123456789/
123456789+

我怎樣才能得到我正在尋找的結果？

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

請參閱正則表達式演示。 細節

• [/+ #_;.-]?(?<![0-9])[0-9]{9,10}(?![0-9]) - 匹配可選的/ 、 + 、空格、 # , _ , ; , . 或-字符，然后是不包含其他數字的無或十位數字
• Series.str.findall提取所有出現
• .str.join('')將匹配項連接成一個字符串
• .str.lstrip('/+ #_;.-') - 刪除與字符串開頭的數字匹配的特殊字符
• df.loc[df['Result'] == '', 'Result'] = np.nan - 如果需要 - 用Result列中的np.nan值替換空字符串。

輸出：

>>> 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

您可以調整下一個代碼以使用數據框，

正則表達式： (?:^|([/+ #_;.-]))(?:\d{1,8})(?!\d)

• (?:\d{1,8})(?!\d) - 找到一個數字（<9 位）
• ([/+ #_;.-]) - 前面有一個/沒有一個可能的分隔符（組 #1）

有條件地替換為NaN或空字符串 - subst使用match.group(1)來區分兩個選項：

• 獨立無效 - 12
• 帶分隔符的無效 - /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)

輸出：

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