python - 在Python中选择性地删除字符串后面的空格

Question

我有以下代码片段:

    import pandas as pd

    df = pd.DataFrame([{'LastName':'VAN HOUTEN'},
                       {'LastName':"O'BOYLE"},
                       {'LastName':'ESTEVAN-GONZALEZ'},
                       {'LastName':'RODRIGO TEIXEIRA'},
                       {'LastName':'ESTEBAN GONZALEZ'}, 
                       {'LastName':'O ROURKE'},
                       {'LastName':'RODRIGO-TEIXEIRA'}])

    delete_space_after_list = ['VAN','O']

    df['NewName'] = df['LastName'].str.replace("'"," ")

    for s in delete_space_after_list[:]:
        df['NewName'] = df['NewName'].str.replace(s + ' ', s)

    df['NewName'] = df['NewName'].str.replace('-'," ")
    df['NewName'] = df['NewName'].str.split().str.get(0)   

运行此代码给出以下结果:

    Index        LastName               NewName
    0            VAN HOUTEN             VANHOUTEN
    1            O'BOYLE                OBOYLE
    2            ESTEVAN-GONZALEZ       ESTEVAN
    3            RODRIGO TEIXEIRA       RODRIGOTEIXEIRA
    4            ESTEVAN GONZALEZ       ESTEVANGONZALEZ
    5            O ROURKE               OROURKE
    6            RODRIGO-TEIXEIRA       RODRIGO

但是期望的输出是这样的

    Index        LastName               DesiredName
    0            VAN HOUTEN             VANHOUTEN
    1            O'BOYLE                OBOYLE
    2            ESTEVAN-GONZALEZ       ESTEVAN
    3            RODRIGO TEIXEIRA       RODRIGO
    4            ESTEVAN GONZALEZ       ESTEVAN
    5            O ROURKE               OROURKE
    6            RODRIGO-TEIXEIRA       RODRIGO

它消除了 RODRIGO 之后的空格(因为 LastName 末尾的“O”)并将其与“TEIXEIRA”连接起来，同样消除了 ESTEVAN 之后的空格(因为 LastName 末尾的“VAN”)并将其与“GONZALEZ”连接起来。但是，它正确地消除了其他名称中的空格。

如何让此代码像 VAN HOUTEN、O'BOYLE、ESTE​​VAN-GONZALEZ、O ROURKE 和 RODRIGO-TEIXEIRA 那样正确删除空格，同时不删除 ESTEVAN GONZALEZ 和 RODRIGO TEIXEIRA 之后的空格？

Answer 1

因此，您想要删除“不太重要”的名称，该名称是由以 O 或 VAN 结尾的名称定义的，但不是being O 或 VAN，并删除其他名称的非字母。

这是正则表达式的工作(或者没有它们，这是一项漫长而痛苦的工作)

我会通过像这样链接2个正则表达式来做到这一点(我将 pandas 排除在外，因为问题与 pandas 没有直接关系):

data = [{'LastName':'VAN HOUTEN'},
                       {'LastName':"O'BOYLE"},
                       {'LastName':'ESTEVAN-GONZALEZ'},
                       {'LastName':'RODRIGO TEIXEIRA'},
                       {'LastName':'ESTEVAN GONZALEZ'}, # not ESTEBAN as in your example!
                       {'LastName':'O ROURKE'},
                       {'LastName':'RODRIGO-TEIXEIRA'}]

import re

new_data = [re.sub("\W","",re.sub("(.)(O|VAN)\W.*",r"\1\2",v['LastName'])) for v in data]

print(new_data)

结果:

['VANHOUTEN', 'OBOYLE', 'ESTEVAN', 'RODRIGO', 'ESTEVAN', 'OROURKE', 'RODRIGO']

所以:

• "(.)(O|VAN)\W.*" 匹配至少一个字符，后跟 O 和 VAN 前缀，后跟一个非字母 (\W) 和其余的，我们跳过(我们只保留前 2 个组):处理“不太重要的名称”
• "\W" 删除空格、破折号、引号...所有非字母数字。 Than 处理第二种情况。