正则表达式 python 数据框元素答案

【问题标题】：Regular expression python dataframe element正则表达式 python 数据框元素
【发布时间】：2016-09-29 21:10:07
【问题描述】：

我在这里有一个问题（回答得很好）： Python parse dataframe element

很遗憾，我的数据源还有其他情况需要处理。

当前模式是

pattern = r'([^\(]+)(\(([^,]*),(.*)\))?'

trans_field_attr = df['Data Type'].str.extract(pattern, expand=True).iloc[:, [0, 2, 3]]

这可以完美地处理（精度，比例）版本，例如 NUMBER(22,4)。不幸的是，它不会选择括号中只有一个值的任何值。

例如：

0        VARCHAR2(1)
1        VARCHAR2(1)
2        VARCHAR2(1)
3        VARCHAR2(1)
4        VARCHAR2(1)
5            DATE(7)
6            DATE(7)
7            DATE(7)
8            DATE(7)
9        VARCHAR2(1)
10           DATE(7)
11       VARCHAR2(3)
12       VARCHAR2(3)
13               NaN
14       VARCHAR2(3)
15      NUMBER(22,4)

如何改进模式以获取单个值？

抱歉，但我真的很难从 piRSquared 的回答中走得更远......

【问题讨论】：

标签： python regex parsing pandas

【解决方案1】：

为第二个数字和逗号添加一个非捕获组，然后在其后添加一个? 零或一个标记，如下所示。

([^\(]+)(\(([^,]*)(?:,(.*))?\))?
                  (?:     )? <= this part means that the comma and everything following it
                                is optional, alike to the ? token at the very end.

【讨论】：

请注意，如果您想要更具可扩展性的东西，值得查看 Oz123 的答案。（假设您希望括号之间的值超过 2 个。）

【解决方案2】：

如果你只是想提取括号之间的数字，你可以使用一个非常简单的版本：

In [2]: rgx=re.compile("\w+\((?P<num>\d*\,*\d*)")
In [5]: m=rgx.match("VARCHAR(22,22)")
In [10]: m.groupdict()
Out[10]: {'num': '22,22'}

In [16]: m=rgx.match("VARCHAR(22)")
In [17]: m.groupdict()['num']
Out[17]: '22'

【讨论】：

可能值得一提的是，这将需要额外的解析（类似于.groupdict()['num]).split(',')），因为 OP 似乎想要拆分每个元素。