在特定条件下从字符串中提取数字答案

【问题标题】：Extracting numbers from a string under certain conditions在特定条件下从字符串中提取数字
【发布时间】：2019-10-26 00:28:47
【问题描述】：

我有一些使用 pandas 存储在数据框中的字符串，如果存在，我想从中提取所有数字。这些数字必须满足的条件非常具体，我不确定是否可以使用正则表达式来解决我的问题。条件是：

数字不能位于字符串的开头
它不能出现在“No.”之后或“Question”之后

如果可能的话，如果数字后面有一个 e，我也想保留它。然而，这不太重要。

这是我迄今为止找到的所有数字，但我不知道如何编码我上面提到的条件。

testNumbers = re.findall(r'\d+', row['Name'])

对于给定的字符串：“Test T860 Article No. 9712250 787”

我希望正则表达式返回

[860, 787]

【问题讨论】：

标签： python regex pandas

【解决方案1】：

你可以使用

(?!^)(?<!\d)(?<!\bNo\.\s)(?<!\bQuestion\s)(\d+)(?!\d)

在 Python 中，声明为原始字符串文字：

pattern = r'(?!^)(?<!\d)(?<!\bNo\.\s)(?<!\bQuestion\s)(\d+)(?!\d)'

见regex demo

详情

(?!^) - 不在字符串的开头
(?<!\d) - 当前位置之前不允许有数字
(?<!\bNo\.\s) - 不允许 No. 和紧接在其前面的空格
(?<!\bQuestion\s) - 没有 Question 并且允许紧接在前面的空格
(\d+) - 第 1 组：一位或多位数字
(?!\d) - 不允许紧跟在当前位置之后的数字。

在 Pandas 中，你可以像这样使用它

df = pd.DataFrame({'text':[" Test T860 Article No. 9712250 787"," Test F199 Article Question 9712250787"]})
df['numbers'] = df['text'].str.findall(r'(?!^)(?<!\d)(?<!\bNo\.\s)(?<!\bQuestion\s)(\d+)(?!\d)').apply(','.join)

输出：

>>> df
                                     text  numbers
0       Test T860 Article No. 9712250 787  860,787
1   Test F199 Article Question 9712250787      199

【讨论】：

你能调整一下，让它不匹配字符串开头的数字吗？
只要(?!^) 就可以了。
小疑问。这里的否定后视顺序是否无关紧要，因为它们都引用(\d+)？
@yatu 它们是零宽度断言。都是在\d+之前执行的。

【解决方案2】：

这里我们可以使用带有单词边界和量词的表达式：

\b[A-Z]+(\d+)\b|\b([0-9]{1,3})\b

Demo

正则表达式

如果不需要此表达式或您想修改它，请访问regex101.com。

正则表达式电路

jex.im 可视化正则表达式：

【讨论】：