在某些条件下从字符串中提取数字

Question

我有一些使用大熊猫存储在数据框中的字符串，如果存在，我想从中提取所有数字。这些数字必须满足的条件是非常具体的，我不确定是否可以使用正则表达式来解决问题。条件是：

• 数字不能在字符串的开头
• 它不能出现在“编号”之后或“问题”之后。

如果可能的话，如果数字后面紧跟着e，我也想保留它。但是，这并不重要。

到目前为止，这是我找到所有数字的方法，但是我不知道如何编写上面提到的条件。

testNumbers = re.findall(r'\d+', row['Name'])

对于给定的字符串：“ Test T860商品编号9712250 787”

我希望正则表达式返回

[860, 787]

Answer 1

您可以使用

(?!^)(?<!\d)(?<!\bNo\.\s)(?<!\bQuestion\s)(\d+)(?!\d)

在Python中，声明为原始字符串文字：

pattern = r'(?!^)(?<!\d)(?<!\bNo\.\s)(?<!\bQuestion\s)(\d+)(?!\d)'

请参见regex demo

详细信息

• (?!^)-不在字符串开头
• (?<!\d)-不允许在当前位置之前输入数字
• (?<!\bNo\.\s)-禁止使用No.和空白之前的空格
• (?<!\bQuestion\s)-禁止使用Question和空白之前的空格
• (\d+)-第1组：一个或多个数字
• (?!\d)-当前位置允许后立即没有数字。

在熊猫中，您可以使用它

df = pd.DataFrame({'text':[" Test T860 Article No. 9712250 787"," Test F199 Article Question 9712250787"]})
df['numbers'] = df['text'].str.findall(r'(?!^)(?<!\d)(?<!\bNo\.\s)(?<!\bQuestion\s)(\d+)(?!\d)').apply(','.join)

输出：

>>> df
                                     text  numbers
0       Test T860 Article No. 9712250 787  860,787
1   Test F199 Article Question 9712250787      199

Answer 2

在这里，我们可以使用带有单词边界和量词的表达式：

\b[A-Z]+(\d+)\b|\b([0-9]{1,3})\b

twitter

RegEx

如果不需要此表达式或您希望对其进行修改，请访问Demo。

RegEx电路

regex101.com可视化正则表达式：

jex.im