Python 正则表达式选择所有不匹配模式的元素答案

【问题标题】：Python regex to pick all elements that don't match patternPython 正则表达式选择所有不匹配模式的元素
【发布时间】：2021-03-06 22:25:53
【问题描述】：

我昨天问了一个类似的问题Keep elements with pattern in pandas series without converting them to list，现在我面临着相反的问题。

我有一个熊猫数据框：

import pandas as pd
df = pd.DataFrame(["Air type:1, Space kind:2, water, wood", "berries, something at the start:4, Space blu:3, somethingelse"], columns = ['A'])

我想挑选所有没有“：”的元素。我尝试的是以下似乎正在工作的正则表达式：

df['new'] = df.A.str.findall('(^|\s)([^:,]+)(,|$)')
    A                                                               new
0   Air type:1, Space kind:2, water, wood                           [( , water, ,), ( , wood, )]
1   berries, something at the start:4, Space blu:3, somethingelse   [(, berries, ,), ( , somethingelse, )]

如果我理解正确，findall 搜索了 3 种模式（括号中的模式）并返回了在列表中包含的元组中可以找到的尽可能多的模式。有没有办法避免这种情况，只返回中间模式？如第一排：水，木头第二行：浆果，其他的东西

我也尝试了相反的方法：

df.A.str.replace('[^\s,][^:,]+:[^:,]+', '').str.replace('\s*,', '')

这似乎与我想要的很接近（仅缺少模式之间的逗号），但我想知道我是否遗漏了一些能让我的生活更轻松的东西。

【问题讨论】：

试试这个：df.A.str.findall(r'(?:^|,)([^:,]+)(?=,|$)')

标签： python regex pandas

【解决方案1】：

您可以使用以下使用非捕获组(?:) 的正则表达式：

df.A.str.findall(r'(?:^|\s)([^:,]{2,})(?:,|$)')

这将返回以下输出：

Name: A, dtype: object
0               [water, wood]
1    [berries, somethingelse]

【讨论】：

这很好，唯一的问题是在我的实际数据中，我并不总是出现两次 : 模式。不过谢谢！
[^:,]{2,} 表示您将只匹配至少有 2 个连续字符不是 : 或 , 的字符串。这将确保您不会将字符串与单个字母匹配。
他们还不错，只是一个复杂的话题；-)。不客气，祝你有美好的一天

【解决方案2】：

您可以使用此正则表达式代码：

>>> df['new'] = df.A.str.findall(r'(?:^|,)([^:,]+)(?=,|$)')
>>> print (df)
                                                   A                        new
0              Air type:1, Space kind:2, water, wood            [ water,  wood]
1  berries, something at the start:4, Space blu:3...  [berries,  somethingelse]

使用的正则表达式是：

(?:^|,)：匹配开始或逗号

([^:,]+)：匹配任何不是: 且不是, 的字符的1+
(?=,|$)：提前断言我们有 , 或前面的行尾

【讨论】：

也可以使用df.A.str.findall(r'(?:^|,)([^:,]+)(?=,|$)').apply(','.join) 来获取以逗号分隔的匹配子字符串列表