如何使用正则表达式提取数据后面没有pandas的东西

Question

我只是想提取年份，而不是数字。如何定义不跟随XXX？

我做了以下示例，但结果总是比我预期的文字更多。

text = ["hi2017", "322017"]
text = pd.Series(text)
myPat = "([^\d]\d{4})"

res = text.str.extract(myPat)
res

然后我得到了结果：

0    i2017
1      NaN
dtype: object

实际上，我只想获得＆＃34; 2017＆＃34;，但不是＆＃34; i2017＆＃34;，我该怎么做？

PS。 ＆＃34; 322017＆＃34;不应该提取，因为它不是一年，而是一个数字

Answer 1

尝试一下：

(?<!\d)(\d{4})(?!\d)

返回2017年，几乎完全基于@PauloAlmeida的评论

Answer 2

据我所知，您只需要年份，定义为4位数后跟非数字。

"(?:[a-z]+)(\d{4})$"适合我。 （表示4个数字后跟多个字符，4个数字是字符串的最后一个字符）

text = ["hi2017", "322017"]
text = pd.Series(text)
myPat = "(?:[a-z]+)(\d{4})$"

res = text.str.extract(myPat)

输出：

print(res)
'''
0    2017
1     NaN
'''

Answer 3

您需要4位数字，其中第一个数字是1或2.这将转换为1000到2999之间的所有数字。

正则表达式为：(1[0-9]{3})|(2[0-9]{3})

这将获得1000到2999之间的所有数字，包括在字符串中。

在您的情况下，hi2017会产生2017。此外，322017会产生2201。根据您的定义，这也是有效年份。

Answer 4

Regexr是一款出色的在线工具http://regexr.com/3ghcq

myPat = "(\d{4})"