包含前导空白的正则表达式列表答案

【问题标题】：List to regex including leading blank包含前导空白的正则表达式列表
【发布时间】：2020-11-16 07:27:08
【问题描述】：

我的清单

mylist = [apple, banana, grape]

df

text
I love banana
apple is delicious
I eat pineapple
hate whitegrape

要匹配文本中包含列表的事物，请执行以下操作。

mylist = [f"(?i){re.escape(k.lower())}" for k in mylist]
extracted = df['text'].str.lower().str.findall(f'({"|".join(mylist)})').apply(set)
df['matching'] = extracted.str.join(',')

匹配有问题，但是由于列表前面没有空格，所以我要找的'apple'包含在'pineapple'中，所以匹配了。

再举一个例子，我正在寻找“葡萄”，但白葡萄中含有葡萄，所以这也算在内。

如何在列表中每个索引的开头留一个空格？

result above
text                 matching
I love banana        banana
apple is delicious   apple
I eat pineapple      apple
hate whitegrape      grape

得到我想要的结果

text                 matching
I love banana        banana
apple is delicious   apple
I eat pineapple  
hate whitegrape

【问题讨论】：

Ieatpineapple ...Ilovebanana ，这种情况很难
正则表达式中的单词边界（实际上是两个）可能会有所帮助：\b 但其中一些文本无法识别。
@YOBEN_S 如果文字之间有空格会不会一样？编辑内容
@MichaelButscher 即使在句子中的单词之间应用空格也很难移动吗？请看上面的修改内容。

标签： python python-3.x regex pandas

【解决方案1】：

那你可以split

df.text.str.lower().str.split().apply(lambda x : [y for y in x if y in mylist]).str[0]
Out[227]: 
0    banana
1     apple
2       NaN
3       NaN
Name: text, dtype: object

更新为str.findall

df.text.str.lower().str.findall(r'\b({0})\b'.format('|'.join(mylist)))
Out[248]: 
0    [banana]
1     [apple]
2          []
3          []
Name: text, dtype: object

【讨论】：

@ybin 然后执行字符串 findall
添加 re.IGNORECASE 标志可能会更好，因为 OP 使用 str.lower。 @YOBEN_S
@MrNobody33 是的，我用过df['text'].str.lower().str.findall(r'\b({0})\b'.format('|'.join(mylist))).apply(set)
当然@ybin，我知道，这只是避免使用str.lower 并使用re 提供给我们的标志的建议。 :)

【解决方案2】：

你可以使用：

 df.text.str.extract(f"(?i)\\b({'|'.join(mylist)})\\b")
        0
0  banana
1   apple
2     NaN
3     NaN

当然，您可以根据您的示例将extract 更改为findall

【讨论】：