Получить определенную строку с помощью Regex в Python
У меня есть строки, которые выглядят так, как показано ниже:
ART-B-C-ART0015-D-E01
ADC-B-C-ADC00112-V-E01
AEE-B-C-AEE00011-D-E01
AQW-B-C-AQW0013-D-E01
AAZ-B-C-AAZ0014-D-E01
AQQ-B-C-AQQ0032-D-E01
ADD-B-C-D-ADD0001-D-E01
AAA-B-C-AAA0012-D-E01
Я хочу получить следующий результат: Ожидаемый результат:
ART0015
ADC00112
AEE00011
AQW0013
AAZ0014
AQQ0032
ADD0001
AAA0012
Я использовал приведенный ниже код регулярного выражения и, к сожалению, не получил ожидаемого результата, поскольку 7-я запись не находится в третьем тире. это в четвертом тире.
df["A"].str.extract(r'^(?:[^-]*-){3}\s*([^-]+)', expand=False)
0 ART0015
1 ADC00112
2 AEE00011
3 AQW0013
4 AAZ0014
5 AQQ0032
6 D
7 AAA0012
Есть ли правило, что оно должно быть после 3-го или 4-го тире выше определенного порога символов? Это связано с 3 буквенными символами, за которыми следуют 4 или 5 цифровых символов? Или есть правило, что вы ищете строки только выше или между определенным количеством символов, независимо от местоположения? Проверьте мой ответ для последнего.
Ответы 5
Используйте Series.str.extract, выполнив поиск по 3 буквам, за которыми следуют 4-5 цифры:
In [477]: df['col'] = df['col'].str.extract(r'([a-zA-Z]{3}\d{4,5})')
In [478]: df
Out[478]:
0 ART0015
1 ADC00112
2 AEE00011
3 AQW0013
4 AAZ0014
5 AQQ0032
6 ADD0001
7 AAA0012
начните считать с правой стороны, тогда все коды будут в третьем тире. Что вы можете сделать, так это изменить строку, а затем, получив результат, снова изменить ее. Если формат нестабилен, найдите другой способ, например, подсчитайте длину кода между тире и, когда он соответствует требуемому, примите его или распечатайте.
НЕТ Я думаю, что это работает нормально. Не могли бы вы, пожалуйста, дайте мне знать, как повернуть вспять?
@СараДэниел df['A'] = df['A'].apply(lambda x: x[::-1])
Я думаю, теперь вы поняли, извините за поздний ответ
Вы можете использовать следующее регулярное выражение для поиска 7 или 8 повторяющихся буквенно-цифровых символов с приоритетом вывода:
df['A'] = df['A'].str.extract('-([A-Za-z0-9]{7,8})-')
A
0 ART0015
1 ADC00112
2 AEE00011
3 AQW0013
4 AAZ0014
5 AQQ0032
6 ADD0001
7 AAA0012
Похоже, вам вообще не нужны регулярные выражения. Почему бы вам просто не разделить строку и получить от третьего до последнего элемента в строке:
df["A"].str.split('-').str[-3]
Пример:
import pandas as pd
d = {'A': ['ART-B-C-ART0015-D-E01', 'ADC-B-C-ADC00112-V-E01']}
df = pd.DataFrame(data=d)
df['A'] = df["A"].str.split('-').str[-3]
print(df)
Отпечатки:
A
0 ART0015
1 ADC00112
Другим возможным подходом было бы разделить ваши строки и вернуть самую длинную подстроку, если ваши данные более нерегулярны после интересующих подстрок:
df['A']= df['A'].apply(lambda s: max(s.split('-'), key=len))
И если вы должны использовать регулярные выражения и ваши шаблоны выглядят так, как вы показали, вы также можете использовать:
df['A']= df['A'].str.extract(r'([^-]{4,})')
Другой подход, который ищет 2 - отдельных подстроки после вашего совпадения:
>>> df['A'].str.extract(r'([^-]+)(?:-[^-]*){2}$')
0
0 ART0015
1 ADC00112
2 AEE00011
3 AQW0013
4 AAZ0014
5 AQQ0032
6 ADD0001
7 AAA0012
Тогда каково правило определения извлекаемой подстроки?