Substring function 提取部分字符串

Question

data = {'desc': ['ADRIAN PETER - ANN 80020355787C - 11 Baillon Pass.pdf', 'AILEEN MARCUS - ANC 800E15432922 - 5 Mandarin Way.pdf',
               'AJITH SINGH - ANN 80020837750 - 11 Berkeley Loop.pdf', 'ALEX MARTIN-CURTIS - ANC 80021710355 - 26 Dovedale St.pdf',
               'Alice.Smith\Jodee - Karen - ANE 80020428377 - 58 Harrisdale Dr.pdf']}
df = pd.DataFrame(data, columns = ['desc'])
df

從數據框中，我想創建一個名為 ID 的新列，並且在該 ID 中，我希望只有那些在 ANN、ANC 或 ANE 之后開始的值。 所以我期待如下結果。

ID
80020355787C 
800E15432922 
80020837750 
80021710355 
80020428377 

我嘗試運行下面的代碼，但沒有得到想要的結果。 感謝您對此的幫助。

df['id'] = df['desc'].str.extract(r'\-([^|]+)\-')

Answer 1

您可以使用- AN[NCE] (800[0-9A-Z]+) - ，其中：

• AN[NCE]按字面意思匹配AN后跟N或C或E ；
• 800[0-9A-Z]+按字面意思匹配800后跟一個或多個介於0和9之間或介於A和Z之間的字符。

>>> df['desc'].str.extract(r'- AN[NCE] (800[0-9A-Z]+) -')
              0
0  80020355787C
1  800E15432922
2   80020837750
3   80021710355
4   80020428377

如果不是所有的 ID 都以“800”開頭，您可以將其從模式中刪除。