python - 在不验证固定宽度模式的情况下，正则表达式模式无法使用后视功能

Question

我需要找到一个正则表达式，可以从下面的字符串中提取城市名称。 字符串的顺序是餐厅名称、地址、城市、电话、菜系

• Chinois on Main 2709 Main St. Santa Monica 310-392-9025 Pacific New Wave
• Benita's Frites 1433 Third St. Promenade Santa Monica 310-458-2889 快餐
• 印度咖啡馆 10428 1/2 National Blvd。 LA 310-815-1290 印度尼西亚语
• Diaghilev 1020 N. San Vicente Blvd. W. 好莱坞 310-854-1111 俄语
• 乔迪·马罗尼 (Jody Maroni) 的香肠王国 2011 年威尼斯海滨漫步 310-306-1995 热狗

我尝试了这个正则表达式，但它不起作用:

zagat['city'] = zagat['raw'].str.extract("""
    ((?<=Ave.|Rd.|St.|Blvd.|Dr.|Way.|Pl.|Ln.|Ct.|Beach|Way ).+(?=...-...-....))
    """, expand=True)

你能帮忙吗？

Answer 1

您可以使用

rx = r'(?:(?:Ave|Rd|St|Blvd|Dr|Way|Pl|Ln|Ct)\.|Beach|Way|Walk)\s*(.+?)\s*\d{3}-\d{3}-\d{4}'
zagat['city'] = zagat['raw'].str.extract(rx, expand=False)

请参阅regex demo

详细信息

• (?:(?:Ave|Rd|St|Blvd|Dr|Way|Pl|Ln|Ct)\.|海滩|Way|步行) - Ave，路，圣，大道，博士，路，Pl、Ln 或 Ct 后跟 . 或 Beach、Way或步行
• \s* - 0+ 个空格
• (.+?) - 第 1 组(该值将由 .extract 返回):除换行符之外的任何一个或多个字符，最少为可能的
• \s* - 0+ 个空格
• \d{3}-\d{3}-\d{4} - 3 位数字，-，3 位数字，- 和 4 位数字。