在 Python Pandas 中使用正则表达式提取字符串的一部分 [重复]答案

【问题标题】：Extract a part of a string using Regex in Python Pandas [duplicate]在 Python Pandas 中使用正则表达式提取字符串的一部分 [重复]
【发布时间】：2021-05-21 12:26:15
【问题描述】：

我是一名从事数据科学项目的学生，我需要从我的数据框的一列中提取一部分。数据框如下所示： column.

我想从“HOTHOTVIDEOHOT0501005107FilmVidéoClub”之类的字符串中提取部分 HOTHOTVIDEO

所以我使用这样的正则表达式编写了这条指令： facturation['annotation']=facturation['annotation'].str.findall('([A-Z0-9]{3}\d+)').apply(''.join)

它提取所有正确的东西，除了有时我有这样的字符串：“CTVCANALVODCTV0200052670CTV0200052670”，它返回CTV0200052670CTV0200052670，但只想要第一次出现：Like this

有人可以帮我解决这个问题吗:)

【问题讨论】：

有一个similar question here
这无关，不过，@okpython。该问题的原因是正则表达式模式本身。这样做的原因是在该模式上所做的工作。
那你为什么用findall呢？使用extract、.str.extract(r'([A-Z0-9]{3}\d+)')
我已经尝试过使用extract，它解决了这个问题，但它导致了另一个问题。也就是说，它只能从 MFEMETROPOLITANMFE05UH622455AlaskaHD 等字符串中提取 MFE05。这就是我使用findall 的原因，因为它会返回所有匹配项。 :(
str.extract(r'([A-Z]{1,3}\d{3,})') 怎么样？还是str.extract(r'([A-Z]{2,3}\d{3,})')？

标签： python regex pandas data-science extract

【解决方案1】：

我认为问题出在您的 apply + join 和 findall 方法中，因为您在数据中匹配了 2 次此模式，然后您又加入了它。 findall 为您返回列表。从列表中，您只需要第一项，而不是全部。

【讨论】：

【解决方案2】：

感谢所有帮助过我的人：）我找到了答案：

facturation['annotation'] = facturation['annotation'].str.findall('([A-Z0-9]{3}\d+)').apply(''.join)

facturation['annotation'] = facturation['annotation'].str.extract('(.{0,13})')

【讨论】：