Question

我有数据，看起来像

Respublika Tatarstan, Kazan'
Krasnodar Krai, Krasnodar
Tverskaya region, Tver

期望的输出：

respublika Tatarstan
Krasnodar krai
Tverskaya region

我尝试使用

for addr in df.address.values.tolist():
    re.findall(r'(\w+( krai| region))|((?:respublika )\w+)', addr)

但它会返回元组列表，并且在respublika之后找不到对象。

Answer 1

您可以使用

import re
rx = r"\b[A-Z]\w*\s+(?:[kK]rai|[rR]egion)|\b[rR]espublika\s+[A-Z]\w*"
s = "Something in Respublika Tatarstan, Kazan\nWhat a Krasnodar Krai, Krasnodar I have seen!\nIn Tverskaya region, Tver, it is not so uncommon."
print(re.findall(rx, s))

我们的想法是匹配region，Region，krai或Krai之前的任何大写单词，或Respublika或{{1之后的大写单词}}

发送Python demo。如果您只想匹配字母，请将respublika替换为\w。

请参阅regex demo here。

<强>详情

[^\W\d_] - 字边界
\b - 一个大写的ASCII字母，后跟0 +字的字符
[A-Z]\w* - 1+空格
\s+ - (?:[kK]rai|[rR]egion)，region，Region或krai
Krai - 或
| - 字边界
\b - [rR]espublika或Respublika
respublika - 1+空格
\s+ - 一个大写的ASCII字母，后跟0 +字的字符

Python：从条件为

1 个答案: