如何使用正则表达式在字符串前获取一定数量的字符？ （Python）

Question

我正试图从Indeed职位描述中汲取多年经验。几乎所有的描述都列出了这样的经历：“ 0-2年”或“ 2+年”或“ 2年”。无论如何列出，“年”一词都在所需的经验年数之后。

我如何在单词“ years”之前返回一定数量的字符（在这种情况下，最大为4个字符，包括空格）以捕获数字？

我计划提取数字（如果它是字符串形式），然后对它们求平均以返回一个要在机器学习模型中使用的值。我正在删除任何需要两位数经验值（例如10）的职位描述，因此这不会成为问题。

例如：

示例描述：“理想的候选人将具有0-2年的Apache Spark经验。”

所需的输出：

或者作为字符串的“ 0-2”，这样我就可以手动提取数字，甚至更好的是数字列表[0,2]

Answer 1

我认为此正则表达式可以满足您的需求：

import re

s = "Ideal candidate will have 0-2 years of experience with Apache Spark."
matches = re.findall("([^\s]+) years", s)
print(matches)

结果：

['0-2']

Answer 2

对于您的三种用例，这将起作用：

In [54]: l
Out[54]: ['0-2 years', '2+ years', '2 years']

In [53]: for s in l:
    ...:     print(re.findall(r'(\d+)(?=[\-\d+|\syear])',s))
    ...:
['0', '2']
['2']
['2']

您必须将-放在字符类[]中，或使用\对其进行转义。

[1]有一个积极的前瞻?=，是一个连字符和一个数字，或者2）一个空格和单词“ year”。