尝试在Python / pandas中使用正则表达式获取子字符串

Question

我知道这可能看起来很愚蠢，但我一直在寻找各地并尝试使用正则表达式并且徒劳无功。我的脚本永远不适用于我的数据集上的所有类型的字符串。

我有这个包含原始数据的列（三种情况）：

20181223-FB-BOOST-AAAA-CC Auchy-Les-Mines - Père Noel
20161224-FB-BOOST-SSSS-CC LeMarine - XXX XXX
20161223-FB-BOOST-XXXX-CC Bonjour le monde - Blah blah

所以我想做的是在CC之后和“ - ”之前将字符串放在中间。我写了一个脚本，它适用于第二种情况，但从来没有其他两种情况：

1st case: Auchy-Les-Mines
2nd case: LeMarine
3rd case: Bonjour le monde

这是我使用的正则表达式，但从不适用于所有情况：regex = r"\s\b.*-."

提前致谢 ！

Answer 1

你是我用的

df['Col'].str.extract(r'-CC\s+(.*?)\s+-')

见the regex demo。

图案细节

• -CC - 文字子串
• \s+ - 1+空格
• (.*?) - 第1组（此值将由.str.extract返回）：除换行之外的任何0 +字符，尽可能少
• \s+ - 1+空格（+在这里很重要）
• - - 一个连字符

在\s+的两端都有(.*?)模式的事实将确保结果已经从空白中剥离，无论有多少空格。

Answer 2

您可以通过以下方式轻松完成：

result = df.raw_data.str.extract(r'-CC (.*) -')