Question

我不确定该称呼什么，如果您认为有更好的名字，请随时进行编辑。

我想做的是找到符合某些搜索条件的病例。

具体地说，我正在尝试查找其中包含“ where”一词的句子。一旦确定了这一点，我将尝试查找在同一标记中也包含“ SQL”命令的情况。

假设我有一个看起来像这样的数据框：

search_criteria = ['where']

df4

         Q      R
0    file.sql  <sentence>dave likes stuff</sentence><properties>version = "2", description = "example" type="SqlCommand">select id, name, from table where criteria = '5'</property><sentence>dave hates stuff>

0    file.sql  <sentence>dave likes stuff</sentence><properties>version = "2", description = "example">select id, name, from table where criteria = '5'</properties><sentence>dave hates stuff>

我正在尝试退回此商品：

         Q      R
0    file.sql   <properties>version = "2", description = "example">select id, name, from table</properties>

该记录应返回，因为它同时包含“ where”和“ sqlcommand”。

这是我当前的流程：

regex_stuff =  df_all_xml_mfiles_tgther[cc:cc+1].R.str.findall('(<[^<]*?' + 'where' + '[^>]*?>)', re.IGNORECASE)


sql_command_regex_stuff = df_all_xml_mfiles_tgther[cc:cc+1].R.str.findall('(<property[^<]*?' + 'sqlcommand' + '[^>]*?<\/property>)', re.IGNORECASE)


if not regex_stuff.empty: #if one of the search criteria is found

    if not sql_command_regex_stuff.empty: #check to see if the phrase "sqlcommand" is found anywhere as well

          (insert rest of code)

这不返回任何内容。

我在做什么错了？

编辑＃1：

看来我需要在最后做些事情，以使正则表达式看起来像这样：

   <property[^<]*?SqlCommand[^(<\/property>)]*

我觉得这是正确的方向，没有用，但是我觉得这是正确的步骤。

Answer 1

您可以仅使用str.contains进行过滤：

df[(df['R'].str.contains('where', flags=re.IGNORECASE) & df['R'].str.contains('sqlcommand', flags=re.IGNORECASE))]

    Q             R
0   file.sql    <sentence>dave likes stuff</sentence><properti...

或使用~返回相反的内容：不包含“ sqlcommand”或“ where”的字符串

df[~(df['R'].str.contains('where', flags=re.IGNORECASE) & df['R'].str.contains('sqlcommand', flags=re.IGNORECASE))]

    Q            R
1   file.sql    <sentence>dave likes stuff</sentence><properti...

Answer 2

首先，您必须具有适当的XML和SQL内容，因此您应该进行以下更正：

由于开始标记为<properties>，因此结束标记也必须为 </properties>，而不是</property>。
version，description和type是属性（在它们之后 >关闭了开始标签，因此properties之后应该是一个空格，而不是>。
在,之后删除version="2"。
在,之后删除name。
在(之前删除<properties，在)之后删除</properties>。

要查找所需的行，请使用str.contains作为过滤条件表达。

下面有一个示例程序：

import pandas as pd
import re

df4 = pd.DataFrame({
  'Q' : 'file.sql',
  'R' : [
    '<s>dave</s><properties type="SqlCommand">select id, name '
      'from table where criteria=\'5\'</properties><s>dave</s>',
    '<s>dave</s><properties>select id, name from table '
      'where criteria=\'6\'</properties><s>dave</s>',
    '<s>mike</s><properties type="SqlCommand">drop table "Xyz"'
      '</properties><s>mike</s>' ]})
df5 = df4[df4.R.str.contains(
    '<properties[^<>]+?sqlcommand[^<>]+?>[^<>]+?where',
    flags=re.IGNORECASE)]
print(df5)

请注意，正则表达式会注意字符串：

第一个比赛<properties。
然后是<和>（[^<>]+?）以外的一系列字符。所以我们仍然在刚刚打开的XML标签内。
然后匹配sqlcommand（忽略大小写）。
然后是<和>以外的其他字符序列（[^<>]+?。
然后>，关闭标签。
然后是<和>以外的其他字符序列（[^<>]+?。
最后是where（也忽略大小写）。

尝试在两个单独的位置检查sqlcommand和where 正则表达式是错误的，因为这些词可能在其他位置，不符合您的要求。

熊猫Python正则表达式帮助

2 个答案: