具有多个结尾的正则表达式

Question

我有一个这样的熊猫数据框：

idx  name
1    "NM_014855.2(AP5Z1):c.80_83delGGATinsTGCTGTAAACTGTAACTGTAAA (p.Arg27_Ala362delinsLeuLeuTer)"
2    "NM_014630.2(ZNF592):c.3136G>A (p.Gly1046Arg)"
3    "NM_000410.3(HFE):c.892+48G>A"
4    "NC_000014.9:g.(31394019_31414809)_(31654321_31655889)del"

我需要提取':' 字符后面的任何内容，直到出现以下任何内容：

• " ("

• "del"

• {end of string}

我尝试了以下方法：

df.str.extract(r"\):(.*) \(|\n")

但它并不适用于所有情况。

如何正确指定我需要的条件？

Answer 1

使用惰性匹配 *? 最小化 .* 将捕获的数量，然后指定您要查找的停止条件：

df.str.extract(r":(.*?)(?:\(|del|$)")

正则表达式通常匹配可能的最长字符串，但? 将其切换为匹配最短可能的字符串。