python - 在特定条件下从字符串中提取数字

Question

我有一些字符串存储在使用 pandas 的数据框中，如果存在，我想从中提取所有数字。这些数字必须满足的条件非常具体，我不确定是否可以使用正则表达式来解决我的问题。条件是:

• 数字不能在字符串的开头
• 它不能出现在“No.”或“Question”之后

此外，如果可能的话，如果数字后面有一个 e，我也想保留它。然而，这并不重要。

这是我到目前为止找到的所有数字，但我不知道如何编码我上面提到的条件。

testNumbers = re.findall(r'\d+', row['Name'])

对于给定的字符串:“Test T860 Article No. 9712250 787”

我希望正则表达式返回

[860, 787]

Answer 1

你可以使用

(?!^)(?<!\d)(?<!\bNo\.\s)(?<!\bQuestion\s)(\d+)(?!\d)

在 Python 中，声明为原始字符串文字:

pattern = r'(?!^)(?<!\d)(?<!\bNo\.\s)(?<!\bQuestion\s)(\d+)(?!\d)'

参见 regex demo

详情

• (?!^) - 不在字符串的开头
• (?<!\d) - 不允许紧接当前位置之前的数字
• (?<!\bNo\.\s) - 没有No.并且允许紧接在前面的空格
• (?<!\bQuestion\s) - 没有Question并且允许紧接在前面的空格
• (\d+) - 第 1 组:一个或多个数字
• (?!\d) - 不允许紧跟在当前位置之后的数字。

在 Pandas 中，你可以这样使用它

df = pd.DataFrame({'text':[" Test T860 Article No. 9712250 787"," Test F199 Article Question 9712250787"]})
df['numbers'] = df['text'].str.findall(r'(?!^)(?<!\d)(?<!\bNo\.\s)(?<!\bQuestion\s)(\d+)(?!\d)').apply(','.join)

输出:

>>> df
                                     text  numbers
0       Test T860 Article No. 9712250 787  860,787
1   Test F199 Article Question 9712250787      199