python - 如何使用正则表达式捕获 python 中两个连字符之间的单词？

Question

我想提取两个连字符之间或一个连字符与空之间的单词。但是假设我不应该知道连字符之前/之间/之后的词。 我试过使用正则表达式模式进行 re.search。使用网站测试正则表达式时，捕获的组在 python 中不相同。

示例:

df = pd.DataFrame({'col1': ['tumPar-PredCorr', 'lung-Med-Pred', 'liver-t1flair-FromMed', 'kidney-t1ce-Pred', 'tumMed-Pred']})

新列中的结果应为:PredCorr、Med、t1flair、t1ce、Pred

在 python 中使用以下代码:

def extract_signals(row):
    if row!="":
        return re.search(r"([-^]\w+)",row).group()

df["signals"]= df["col1"].apply(extract_signals)

我几乎得到了结果，因为我有 -PredCorr、-Med、-t1flair、-t1ce、-Pred 因此，最好不要在这些词之前加上连字符。 请注意，正则表达式的那些模式在 python 中也给出了相同的结果:([-]\w+) 或 (-\w+)

非常感谢!

Answer 1

你可以使用

df['signals'] = df['col1'].str.extract(r'-([^-]+)(?:-|$)')

参见 regex demo .正则表达式匹配

• - - 连字符
• ([^-]+) - 第 1 组:-
以外的一个或多个字符
• (?:-|$) - - 或字符串结尾。

Python 测试:

>>> import pandas as pd
>>> df = pd.DataFrame({'col1': ['tumPar-PredCorr', 'lung-Med-Pred', 'liver-t1flair-FromMed', 'kidney-t1ce-Pred', 'tumMed-Pred']})
>>> df['col1'].str.extract(r'-([^-]+)(?:-|$)')
          0
0  PredCorr
1       Med
2   t1flair
3      t1ce
4      Pred