这是我另一篇文章的延续:Extracting numbers from a string under certain conditions
总而言之，我有一些字符串存储在数据框中，我想提取第一个符合所有条件的数字(如果存在)。条件如下:
数字不能在字符串的开头
它不能出现在“No.”或“Question”之后
数字不能介于 1960 - 2020 之间
如果数字后面紧跟字母 e，我想 用它提取e
这是我到目前为止找到数字的方式，它满足前两个条件:
for index, row in df.iterrows():
test = re.search(r'(?!^)(?<!\bNo\.\s)(?<!\bQuestion\s)(\d+)(?!\d)',
row['name'])
if test:
df.loc[
df['name'] == row['name'], ['id']] = test.group()
我也尝试过使用:
\b(?!196[0-9]\d|20[012][0])\d+\b
考虑到数字不在 1960 年和 2020 年的值之间，但它似乎不起作用。如果它在那里，我也不明白如何捕捉 e。
示例 1:
"Trial No. 32819 Question 485 Article 787e"
我希望正则表达式返回
[787e]
示例 2:
"2981 XYZ Legislature"
我希望正则表达式返回
None
示例 3"
"Addendum217Null"
我希望正则表达式返回
[217]
在此先感谢您的帮助!
请您参考如下方法:
你可以使用
(?!^)(?<!\bNo\.\s)(?<!\bQuestion\s)(?<!\d)(?!(?:19[6-9][0-9]|20[01][0-9]|2020)(?!\d))(\d+(?!\d)e?)
参见 regex demo
新的部分是(?<!\d)(?!(?:19[6-9][0-9]|20[01][0-9]|2020)(?!\d))(\d+(?!\d)e?) :
-
(?<!\d)- 当前位置左侧不允许有数字 -
(?!(?:19[6-9][0-9]|20[01][0-9]|2020)(?!\d))- 如果在当前位置的右侧有一个来自1960的数字，则匹配失败的否定前瞻至2020后面没有数字 -
(\d+(?!\d)e?)- 第 1 组(您将提取的内容):1 个以上未跟数字和可选的e的数字信
