在Python中使用正则表达式中的lookbehind和负向lookbehind断言打结
作者:互联网
我有一个Pandas数据框,它有一列字符串数据,由两个不同的部分组成,用正斜杠分隔.我想从字符串的“右侧”提取文本模式,但是如果存在特定的字符串模式则不能.以下简单的例子说明了这个问题.
import numpy as np
import pandas as pd
import re
myDF = pd.DataFrame({'pet':['rabbit','mammal/rabbit','mammal/small fluffy rabbit','mammal/lop-eared rabbit','mammal/many rabbits','mammal/jack rabbit']})
所以,数据框看起来像:
pet
0 rabbit
1 mammal/rabbit
2 mammal/small fluffy rabbit
3 mammal/lop-eared rabbit
4 mammal/many rabbits
5 mammal/jack rabbit
我希望能够提取与兔子相关的术语,但前提是它们出现在/分隔符的右侧,而不是兔子前面有杰克(有或没有中间空间).
我想出的正则表达式是:
rxStr = '(?P<bunny>(?<=/)(?<!jack)(?:.*rabbits?))'
…我希望在任何比赛之前都有/但如果先前是杰克则不需要.但是,它没有像我希望的那样起作用.我尝试过很多变化而没有任何运气.
rxStr = '(?P<bunny>(?<=/)(?<!jack)(?:.*rabbits?))'
rx = re.compile(rxStr,flags=re.I|re.X)
rabbitDF = myDF['pet'].str.extract(rx,expand=True)
myDF = myDF.join(rabbitDF)
print(myDF)
pet bunny
0 rabbit NaN
1 mammal/rabbit rabbit
2 mammal/small fluffy rabbit small fluffy rabbit
3 mammal/lop-eared rabbit lop-eared rabbit
4 mammal/many rabbits many rabbits
5 mammal/jack rabbit jack rabbit
在第0行中,正则表达式正确无法找到匹配项,因为没有/字符.然而,在第5行杰克兔匹配尽管杰克在兔子之前.
我怎样才能编写一个能够识别兔子术语的正则表达式,但前面只有/前面没有杰克?任何解释为什么上面给出的正则表达式失败也将非常感激.
解决方法:
使用前瞻而不是lookbehind:
myDF.pet.str.extract('(?P<bunny>(?<=/)(?!jack).*rabbit)', expand=True)
bunny
0 NaN
1 rabbit
2 small fluffy rabbit
3 lop-eared rabbit
4 many rabbit
5 NaN
( # capture group
(?<=/) # lookbehind - forwardslash
(?!jack) # negative lookahead - "jack"
.* # match anything
rabbit # match "rabbit"
)
在这里,负向前瞻意味着fwslash不得跟随“jack”.
标签:regex-lookarounds,negative-lookbehind,python,pandas,regex 来源: https://codeday.me/bug/20190731/1587758.html