python - pandas' `str.extract()` 中带有捕获组的正则表达式的预期行为

Question

我试图掌握正则表达式，并且遇到了 str.extract 方法中包含的正则表达式:

movies['year']=movies['title'].str.extract('.*\((.*)\).*',expand=True)

它应该检测并提取括号中的内容。因此，如果给出这个字符串:foobar (1995)，它应该返回1995。但是，如果我打开终端并输入以下内容

echo 'foobar (1995)` | grep '.*\((.*)\).*'

匹配整个字符串，而不是仅匹配括号之间的内容。由于括号的限制，我认为该方法适用于 BRE 风格，grep 也是如此(默认行为)。另外，regex蓝色匹配整个字符串，绿色匹配年份(捕获组)。我在这里错过了什么吗？正则表达式在 python 中完美运行

Answer 1

首先， Pandas 的行为.str.extract()完全符合预期:它仅返回捕获组内容。与 extract 一起使用的模式需要至少 1 个捕获组:

pat : string
Regular expression pattern with capturing groups

如果您使用命名捕获组，新列将以命名组命名。

您提供的grep命令可以简化为

grep '\((.*)\)'

as grep 能够部分匹配行(不需要整行匹配)并在每行基础上工作:一旦找到整个匹配项返回线路。要覆盖该行为，您可以使用 -o 开关。

使用grep，您无法返回捕获组内容。这可以通过使用 -P 选项支持的 PCRE 正则表达式来解决，但它在 Mac 上不可用。 sed 或 awk 在这些情况下也可能有所帮助。