python 正则表达式匹配并替换字符串的开头和结尾但保留中间答案

【问题标题】：python regex match and replace beginning and end of string but keep the middlepython 正则表达式匹配并替换字符串的开头和结尾但保留中间
【发布时间】：2017-12-31 16:35:10
【问题描述】：

我有一个带有假日名称的数据框。我有一个问题，在某些日子里，假期在不同的日子，有时在另一个假期的那天。以下是一些示例问题：

1  "Independence Day (Observed)"
2  "Christmas Eve, Christmas Day (Observed)"
3  "New Year's Eve, New Year's Day (Observed)"
4  "Martin Luther King, Jr. Day"

我想用 '' 替换所有 ' (Observed)' 和逗号之前的所有内容，前提是匹配 ' (Observed)'。输出应该是：

1  "Independence Day"
2  "Christmas Day"
3  "New Year's Day"
4  "Martin Luther King, Jr. Day"

我能够独立完成这两件事：

(foo['holiday']
 .replace(to_replace=' \(Observed\)', value='', regex=True)
 .replace(to_replace='.+, ', value='', regex=True))

但这导致了“小马丁路德金”的问题。

【问题讨论】：

(Observed) 总是在字符串的末尾吗？
是的。从克里斯那里得到了答案

标签： python regex pandas replace

【解决方案1】：

替换.py

import re

input = [
    "Independence Day (Observed)",
    "Christmas Eve, Christmas Day (Observed)",
    "New Year's Eve, New Year's Day (Observed)",
    "Martin Luther King, Jr. Day"
]

for holiday in input:
    print re.sub('^(.*?, )?(.*?)( \(Observed\))$', '\\2', holiday)

输出

> python replace.py 
Independence Day
Christmas Day
New Year's Day
Martin Luther King, Jr. Day

说明

^：匹配字符串开头。
(.*?, )?：匹配任何后跟命令和空格的内容。使其成为惰性匹配，因此它不会消耗我们想要保留的字符串部分。最后一个 ? 使整个事情成为可选的，因为某些示例输入根本没有逗号。
(.*?)：抓取我们想要的部分，以备以后在捕获组中使用。这部分也是懒惰的匹配，因为...
( $Observed$)：某些字符串的末尾可能有“（已观察）”，因此我们在此处将其声明在单独的组中。前一段中的惰性匹配不会消耗这个。
$: 在字符串末尾匹配。

【讨论】：

你说你有一个 DataFrame，但这会导致 Python list 而不是和 Pandas DataFrame 保持一致。这样会丢失索引和名称。
谢谢！作为参考，这是我将替换应用于我的数据框列的最终代码：foo['holiday'].replace(to_replace='^(.*?, )?(.*?)( $Observed$)$', value=r'\2', regex=True)

【解决方案2】：

我建议

r'^(?:.*,\s*)?\b([^,]+)\s+\(Observed\).*'

替换为r'\1' 反向引用。

请参阅regex demo。

模式详情：

^ - 字符串开头
(?:.*,\s*)? - 可选序列：
- .*, - 尽可能多的除换行符以外的任何 0+ 字符，直到最后一次出现 ,，然后是 ,
- \s* - 0 个或多个空格
\b - 单词边界
([^,]+) - 除, 之外的 1 个或多个字符
\s+ - 1 个或多个空格
$Observed$ - 文字子字符串 (Observed)
.* - 除了换行符之外的任何 0+ 字符，尽可能多到行尾。

【讨论】：