正则表达式：提取日期的表达式不适用于 Series 对象会引发错误

Question

我正在尝试从文本数据中提取日期。当我在 regex101 网站上签入时，该表达式有效并且工作正常。但是当应用于数据时，它会引发错误“ValueError: pattern contains no capture groups”。我的示例文本是 ["Mar-20-2009", "Mar 20, 2009", "March 20, 2009", "Mar. 20, 2009"," Mar 20 2009"] 作为熊猫系列对象输入。

df2 = pd.Series(["Mar-20-2009", "Mar 20, 2009", "March 20, 2009", "Mar. 20, 2009"," Mar 20 2009"])
df2.str.extractall(r'(?:\d{2} )?(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[a-z]* (?:\d{2}, )?\d{4}')

它实际上与任何日期都不匹配，我的预期输出是 ["2009 年 3 月 20 日"、"2009 年 3 月 20 日"、"2009 年 3 月 20 日"]。 Screenshot of error

Answer 1

所有带括号的表达式都是非捕获组 (?:)，因此错误消息是正确的。如果要捕获表达式，请不要使用 ?: 将其放在括号中。照原样，模式将匹配，但不会捕获任何组。

Answer 2

您需要将您的字符串包装在括号中的extractall中，如下所示：

df2 = pd.Series(["Mar-20-2009", "Mar 20, 2009", "March 20, 2009", "Mar. 20, 2009"," Mar 20 2009"])
df2.str.extractall(r'((?:\d{2} )?(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[a-z]* (?:\d{2}, )?\d{4})')

输出：

                      0
  match                
1 0        Mar 20, 2009
2 0      March 20, 2009

在这里，您正在创建一个匹配所有这些正则表达式的捕获组。