Question

我有一个包含地址的熊猫数据框。有些格式正确，如481 Rogers Rd York ON。其他人在城市象限和城市名称之间缺少空格，例如：101 9 Ave SWCalgary AB甚至可能是：101 9 Ave SCalgary AB，其中SW指西南，而S指南。

我正在尝试找到一个正则表达式，如果第二个和第三个大写字母后跟小写字母，或者如果只有2个大写字母后跟小写字母，请在第一个和第二个之间添加一个空格

到目前为止，我发现([A-Z]{2,3}[a-z])可以正确匹配这种情况，但是我不知道如何回过头来查看它在位置2或3处的位置。理想情况下，我想使用索引在[-2:]拆分匹配项，但我不知道该怎么做。

我发现re.findall('(?<=[A-Z][A-Z])[A-Z][a-z].+', '101 9 Ave SWCalgary AB') 将返回字符串的最后一部分，我可以使用前瞻正则表达式查找起点，然后加入它们，但这似乎效率很低。

谢谢

Answer 1

您可以使用

([A-Z]{1,2})(?=[A-Z][a-z])

捕获第一个（或第一个和第二个）大写字母，然后使用大写字母lookahead后面跟一个小写字母。然后，用第一组和一个空格替换：

re.sub(r'([A-Z]{1,2})(?=[A-Z][a-z])', r'\1 ', str)

https://regex101.com/r/TcB4Ph/1

Answer 2

您可以使用

\b

请参见this regex demo

详细信息

([A-Z]{1,2})-单词边界
\1-捕获组1（在替换模式中后来称为([A-Z][a-z])）：一个或两个大写字母
\2-捕获组2（在替换模式中后来称为df['Test'] = df['Test'].str.replace(r'\b([NS][EW]|[NESW])([A-Z][a-z])', r'\1 \2')）：大写字母+小写字母。

如果要专门匹配城市象限 ，则可以使用更具体的正则表达式：

[NS][EW]|[NESW]

请参见this regex demo。在这里，N与S或E匹配，后跟W或N，或单个E，S， W或import pandas as pd df = pd.DataFrame({'Test':['481 Rogers Rd York ON', '101 9 Ave SWCalgary AB', '101 9 Ave SCalgary AB']}) >>> df['Test'].str.replace(r'\b([A-Z]{1,2})([A-Z][a-z])', r'\1 \2') 0 481 Rogers Rd York ON 1 101 9 Ave SW Calgary AB 2 101 9 Ave S Calgary AB Name: Test, dtype: object。

熊猫演示：

<button class="toggle" value=10 id="bil">Bil<span class="togglePlus">+</span></button>
<button class="toggle" value=5 id="indbo">Indbo<span class="togglePlus">+</span</button>

在第二个或第三个大写字母python之后插入空格

2 个答案: