如何使用正则表达式提取Python中的大写和字母数字字符？答案

【问题标题】：How to use regular expressions to extract the upper case and the alpha numeric characters in Python?如何使用正则表达式提取Python中的大写和字母数字字符？
【发布时间】：2020-06-09 14:05:33
【问题描述】：

我目前正在处理带有字符串的数据框。我期待将位置和财政年度提取为单独的列（系列）。有没有办法使用正则表达式来做到这一点：

Filename                      
KATH FY19 nepal
Nepal BIRATNA FY2020
India DEL   FY18
HQ chennai FiscalYear2020

预期：

Filename                        Location             FiscalYear
KATH FY19 nepal                 KATH                 FY19
Nepal BIRATNA FY2020            BIRATNA              FY2020
India DEL   FY18                DEL                  FY18
HQ chennai FiscalYear2020       chennai              FiscalYear2020

【问题讨论】：

chennai 不等于 Chennai。您需要一些城镇规则。
注明并修复
至少没有位置规则，正如@Jan 提到的。如果只包含小写字母（匹配 chennai）除了只包含大写字母，那么 nepal 也会被正则表达式匹配，这不应该是这种情况。

标签： python regex dataframe

【解决方案1】：

使用下一个正则表达式，您可以获得包含数字的单词，您可以看到它的结果here：

([A-Za-z]+[\d@]+[\w@]*|[\d@]+[A-Za-z]+[\w@]*)

如果您只想通过正则表达式查找大写单词，您可以尝试下一个：

\b[A-Z]+\b

在python中会是：

import re
text = "KATH FY19 nepal Nepal BIRATNA FY2020 India DEL   FY18 HQ chennai FiscalYear2020"    
fy = re.findall(r'([A-Za-z]+[\d@]+[\w@]*|[\d@]+[A-Za-z]+[\w@]*)', text)
loc = re.findall(r'\b[A-Z]+\b', text)
print(fy, loc)

输出：

['FY19', 'FY2020', 'FY18', 'FiscalYear2020'] ['KATH', 'BIRATNA', 'DEL', 'HQ']

但是在您的示例中，这将选择 HQ 作为地点，因此我将采用更智能的方法并使用例如 spacy 库实体识别来验证位置或只是获取它。

import spacy

nlp = spacy.load('en_core_web_md')
doc = nlp(text)

entities = ['GPE']
locations = []
for ent in doc.ents:
   if ent.label_ in entities:
      locations.append(ent.text)

【讨论】：

此解决方案是否解决了您的问题@ganesh ghimire？
不是真的，但我找到了其他方式来解决它。
您实施了哪种解决方案？
我并没有真正使用任何解决方案。我在预处理中更改了几个步骤以获得不同的结果。