Pandas Regex：将名称与以单词或字符串开头并以某些单词结尾的字符串分开

Question

我有一个熊猫系列，其中包含多行共享名称以及其他详细信息：

Netflix DIVIDEND
Apple Inc (All Sessions) COMM
Intel Corporation CONS
Correction Netflix Section 31 Fee

我正在尝试使用正则表达式来检索股票名称，我对此进行了展望：

transactions_df["Share Name"] = transactions_df["MarketName"].str.extract(r"(^.*?(?=DIVIDEND|\(All|CONS|COMM|Section))")

我唯一遇到的问题是行Correction Netflix Section 31 Fee，我的正则表达式将共享名设为Correction Netflix。我不想要“更正”这个词。

我需要我的正则表达式来检查字符串的开头或单词“Correction”。

我尝试了一些东西，例如以字符串字符 ^ 开头的 OR |。我还尝试向后看以检查 ^ 或 Correction 但错误说它们需要是恒定的长度。

r"((^|Correction ).*?(?=DIVIDEND|\(All|CONS|COMM|Section))"

给出一个错误； ValueError: Wrong number of items passed 2, placement implies 1。我是正则表达式的新手，所以我真的不知道这是什么意思。

Answer 1

您可以使用可选部分，而不是环视，使用匹配的捕获组：

^(?:Correction\s*)?(\S.*?)\s*(?:\([^()]*\)|DIVIDEND|All|CONS|COMM|Section)

• ^ 字符串开始
• (?:Correction\s*)?
• (\S.*?)\s*组 1 中的捕获，匹配非空白字符和尽可能少的字符并匹配（不捕获）0+ 个空白字符
• (?: 交替的非捕获组|
  • \([^()]*\) 匹配从 ( 到 )
  • |或者
  • DIVIDEND|All|CONS|COMM|Section匹配任意单词
• )关闭群

Regex demo

data = ["Netflix DIVIDEND", "Apple Inc (All Sessions) COMM", "Intel Corporation CONS", "Correction Netflix Section 31 Fee"]
pattern = r"^(?:Correction\s*)?(\S.*?)\s*(?:\([^()]*\)|DIVIDEND|All|CONS|COMM|Section)"
transactions_df = pd.DataFrame(data, columns = ['MarketName'])
transactions_df["Share Name"] = transactions_df["MarketName"].str.extract(pattern)
print(transactions_df)

输出

0                   Netflix DIVIDEND            Netflix
1      Apple Inc (All Sessions) COMM          Apple Inc
2             Intel Corporation CONS  Intel Corporation
3  Correction Netflix Section 31 Fee            Netflix