Python正则表达式保持字母字符连续相邻/在数字序列内部

Question

我正在尝试从熊猫中一个非常混乱的字符串字段中提取型号。复杂的是，这些序列号不仅是数字，而且有时是字母数字。我要完成的工作是创建一个正则表达式捕获组/组合，使我仅在字符连续，连续或位于数字序列内部时才捕获它们：

model_number
part b: 101-03-0458B
B.2017Z brand name
brand - 027xY21

到

model_number_stripped
101030458B
B2017Z
027xY21 

到目前为止，我有以下内容：

df['model_number_stripped'] = df['model_number'].str.replace('-','').str.replace('.','').str.replace('\D+','')

Answer 1

您可以使用

df['model_number_stripped'] = df['model_number'].str.replace(r'\W+|(?<!\d)[^\W\d_](?![^\s\d]*\d)', '')

查看此regex demo

详细信息

• \W+-除字母，数字和_以外的1个或更多字符（如果要删除_，请使用[\W_]+）
• |-或
• (?<!\d)[^\W\d_](?![^\s\d]*\d)-不带数字（[^\W\d_]且不带空格和数字（{{1}）以外的任何0+字符的任何字母（(?<!\d)） }）后跟数字（[^\s\d]*）。请注意，\d后面是负数，它紧靠当前位置的左侧，要求缺少数字。 (?<!\d)模式为否定超前行为，如果在当前位置的右侧立即找到其模式，则匹配失败。