排除单词和特定字符的正则表达式[关闭]

Question

我需要使用正则表达式和 python 从数据集中的字符串中过滤掉特定字符。

我有包含业务和员工信息的数据。我想保留员工人数，并跳过/排除任何包含“自雇人士”一词的单元格我可以使用什么正则表达式来删除除所述字符之外的所有内容。
示例：
String: "Health, Wellness and Fitness, 501-1000 employees"
Desired Outcome: 501-1000

或者：
String: "Retail, 10,000+ employees"
Desired Outcome: 10,000+"

或者，如果单元格包含“自雇”，则应跳过该词，将其保留并转到下一个单元格：
String: Self-employed'
Desired Outcome: Self-employed"

我想要一种模式，它可以消除除期望结果中所要求的之外的所有内容。 这是我使用的代码，但它似乎没有改变任何东西，我做错了什么？

if 'employee' in row.keys():
        row['employee'] = re.sub("([0-9]+[,\-]*[0-9]*[+]?|Self-employed)", '', str(row['employee']))

Answer 1

re.sub 匹配正则表达式模式并替换匹配项。你不想那样做。您想要相反的 - 匹配模式并使用匹配。所以re.sub 在这里似乎不是正确的方法。您可以改为使用re.search 来查找与您的正则表达式匹配的组，然后将结果分配给您的row['employee'] 变量。这是一个基于您目前提供的代码的示例。：

if 'employee' in row.keys():
    match = re.search("(\d[^\s]*|Self-employed)", str(row['employee']))
    if match:
        row['employee'] = match.group()

感谢 Porsche9II 的正则表达式优化。