Python在字符串中间提取文本

编程问答 2022-08-16

问题描述

我想从文本中提取项目的名称。

fg['Product'] = pd.Series([' 5 Guys Greasy Burger 3/5LB (24) [51656]','5 Guys Super StrawBerry Shake - (3/4) OZ (9) [5645654],'5 Guys Giant Loaded Double Cheese Burger 1/2LB Buns - 8Z Cups (22) [564654]'])

我需要在df列中按产品进行分析

fg['Product'] = 'Greasy Burger','Super StrawBerry Shake','Giant Loaded Double Cheese Burger'

我尝试了很多事情，但这使我最接近了。

fg['Product'] = fg['Product'].str.strip('5 Guys').str.replace(r'\[d+\]')

但是，这并不能使我到达那里。模式中的逻辑似乎是带状“ 5 Guys”，然后删除第一个数字或第一个连字符“-”之后的所有内容。只是想不通。

解决方法

您可以将正则表达式r"5 Guys ([A-Za-z\s]*)"应用于每个条目，从而选择r"5 Guys "之后的包含所有字母字符和空格的组。如果其中也有带数字的名称，也许您必须找到更复杂的模式。我使用了在线正则表达式帮助程序来更轻松地创建模式（例如regex101）。

完整代码示例：

import pandas as pd
import re

regex_pattern = r"5 Guys ([A-Za-z\s]*)"

def find_name(full_string):
    match = re.search(regex_pattern,full_string)
    print(match[1])

s = pd.Series([' 5 Guys Greasy Burger 3/5LB (24) [51656]','5 Guys Super Strawberry Shake - (3/4) OZ (9) [5645654]','5 Guys Giant Loaded Double Cheese Burger 1/2LB Buns - 8Z Cups (22) [564654]'])
s.apply(lambda x: find_name(x))
, 
r"5 Guys (.*?)(?=[0-9]|-)"

详细信息：

  • (.*?)：第1组-尽可能少的字符
  • (?=[0-9]|-)：条件（当我们遇到第一个数字或第一个连字符时）以停止正则表达式

Demo

extractpandaspythonregexstringstring