我有一个 Pandas 数据框,其中有一列字符串数据由正斜杠分隔的两个不同部分组成。我想从字符串的“右侧”提取文本模式,但如果存在特定的字符串模式则不会。以下简单示例说明了这个问题。
import numpy as np
import pandas as pd
import re
myDF = pd.DataFrame({'pet':['rabbit','mammal/rabbit','mammal/small fluffy rabbit','mammal/lop-eared rabbit','mammal/many rabbits','mammal/jack rabbit']})
因此,数据框如下所示:
pet
0 rabbit
1 mammal/rabbit
2 mammal/small fluffy rabbit
3 mammal/lop-eared rabbit
4 mammal/many rabbits
5 mammal/jack rabbit
我希望能够提取与 rabbit 相关的术语,但前提是它们出现在 /
分隔符的右侧,而不是 rabbit
前面有jack
(有或没有中间空格)。
我想出的正则表达式是:
rxStr = '(?P<bunny>(?<=/)(?<!jack)(?:.*rabbits?))'
...我希望要求所有匹配项都以 /
开头,但如果以 jack
开头则不需要。但是,它并没有像我希望的那样工作。我尝试了很多变体,但没有任何运气。
rxStr = '(?P<bunny>(?<=/)(?<!jack)(?:.*rabbits?))'
rx = re.compile(rxStr,flags=re.I|re.X)
rabbitDF = myDF['pet'].str.extract(rx,expand=True)
myDF = myDF.join(rabbitDF)
print(myDF)
pet bunny
0 rabbit NaN
1 mammal/rabbit rabbit
2 mammal/small fluffy rabbit small fluffy rabbit
3 mammal/lop-eared rabbit lop-eared rabbit
4 mammal/many rabbits many rabbits
5 mammal/jack rabbit jack rabbit
在第 0 行中,正则表达式正确地找不到匹配项,因为没有 /
字符。但是,尽管 jack
在 rabbit
之前,但在第 5 行 jack rabbit
匹配。
我如何编写一个正则表达式来识别 rabbit
术语,但前提是前面有 /
而不是前面有 jack
?对于上面给出的正则表达式为何失败的任何解释,我们也将不胜感激。
最佳答案
使用先行而不是后行:
myDF.pet.str.extract('(?P<bunny>(?<=/)(?!jack).*rabbit)', expand=True)
bunny
0 NaN
1 rabbit
2 small fluffy rabbit
3 lop-eared rabbit
4 many rabbit
5 NaN
( # capture group
(?<=/) # lookbehind - forwardslash
(?!jack) # negative lookahead - "jack"
.* # match anything
rabbit # match "rabbit"
)
在这里,否定前瞻意味着 fwslash 后面不能跟“jack”。
关于python - 在 Python 的正则表达式中与后向断言和负向后断言打结,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49214585/