熊猫提取所有匹配答案

【问题标题】：pandas extractall matching熊猫提取所有匹配
【发布时间】：2017-05-15 20:51:54
【问题描述】：

如何将以下内容与 pandas extractall 正则表达式匹配：

stringwithinmycolumn
stuff, Duration: 15h:22m:33s, notstuff,
stuff, Duration: 18h:22m:33s, notstuff,

目前，我正在使用以下内容：

df.message.str.extractall(r',([^,]*?): ([^,:]*?,').reset_index()

预期输出：

              0              1
match    
    0  Duration    15h:22m:33s
    1  Duration    18h:22m:33s

到目前为止，我无法匹配。

【问题讨论】：

标签： python regex python-3.x pandas

【解决方案1】：

你可以使用

,\s*([^,:]+):\s*([^,]+),

见regex demo

匹配：

, - 逗号
\s* - 0+ 个空格
([^,:]+) - 第 1 组： - 除 , 和 : 之外的 0+ 个字符
: - 冒号
\s* - 0+ 个空格
([^,]+) - 第 2 组：, 以外的一个或多个字符
, - 逗号（实际上可以删除，但可能会保留以确保更安全的匹配。）

请注意，当您需要从长字符串中提取结构化信息时，您可以考虑使您的正则表达式更加精确。因此，您可能希望使用字母匹配模式来匹配Duration，并且仅使用数字、冒号、h、m 或s 来提取时间值。所以，模式会变得更加冗长：

,\s*([A-Za-z]+):\s*([\d:hms]+)

但更安全。见another regex demo。

【讨论】：

【解决方案2】：

In [246]: x.message.str.extractall(r',\s*(\w+):\s*([^,]*)').reset_index(level=0, drop=True)
Out[246]:
              0            1
match
0      Duration  15h:22m:33s
0      Duration  18h:22m:33s

【讨论】：