Python Regex-保持字母字符连续相邻/在数字序列内答案

【问题标题】：Python Regex-Keep Alpha Characters Continuously Adjacent/Inside Numeric SequencesPython Regex-保持字母字符连续相邻/在数字序列内
【发布时间】：2018-08-22 19:04:28
【问题描述】：

我正在尝试从 pandas 中非常混乱的字符串字段中提取型号。复杂之处在于，这些序列号不仅是数字，而且有时是字母数字。我想要完成的是创建一个正则表达式捕获组/组合，它允许我仅在字母字符连续位于之前、结尾或位于数字序列内时捕获它们：

model_number
part b: 101-03-0458B
B.2017Z brand name
brand - 027xY21

到

model_number_stripped
101030458B
B2017Z
027xY21

到目前为止，我有以下内容：

df['model_number_stripped'] = df['model_number'].str.replace('-','').str.replace('.','').str.replace('\D+','')

【问题讨论】：

这似乎很困难，因为第二行中的B 在技术上与2017Z 并不相邻，但是您想要捕获它，而您不想捕获d在第三行中，也仅由数字中的特殊字符分隔。例如，如果第三行是 brand.027xY21 我只是看不出如何将其与第二行区分开来，除非您有一些额外的信息，例如您要捕获的字母字符将始终大写，并且可以最多只能连续 X 个。
这个问题太笼统了。 “部分”也是字母数字。 “品牌”也是如此。一个人应该怎么知道你在寻找什么样的代码。
@ALollz 是的，这很棘手。我修复了第三行示例以简化（因为它不会发生在真实数据集中）。没关系，所以去掉字符“。”和'-'首先。
@coldspeed 澄清一下，我希望它只保留字母字符，只要它们在去掉“。”后“触摸”数字。和 '-' 字符。
@WiktorStribiżew 很高兴并赞成。你给出了一个很好的综合答案。

标签： python regex pandas

【解决方案1】：

你可以使用

df['model_number_stripped'] = df['model_number'].str.replace(r'\W+|(?<!\d)[^\W\d_](?![^\s\d]*\d)', '')

看到这个regex demo

详情

\W+ - 除字母、数字和 _ 之外的 1 个或多个字符（如果要删除 _，请使用 [\W_]+）
| - 或
(?<!\d)[^\W\d_](?![^\s\d]*\d) - 任何前面没有数字 ((?<!\d)) 且后面没有除空格和数字 ([^\s\d]*) 之外的任何 0+ 字符后跟数字 (\d) 的字母 ([^\W\d_]) .请注意，(?<!\d) 是一个否定的后视，紧靠当前位置的左侧，要求没有数字。 (?![^\s\d]*\d) 模式是一个负前瞻，如果在当前位置的右侧找到其模式，则匹配失败。

【讨论】：