Question

我正在尝试提取“消息文本”中的内容，特别是名称（在单词“ Admitted”之后）和卡号（在括号内），然后将结果放入新列。实现此目标的最佳方法是什么？我尝试过

access_file['Name']=access_file['Message Text'].str.extract('(.*?)')

但结果列为空白。

谢谢

Message Type    Server Date/Time    Message Text    Message Date/Time
0   Card Admitted   7/25/2018 8:10  Admitted 'Santos, Samuel' (Card: 203532)   at '2nd Flr Check Rm 02-19' (IN).    7/25/2018 8:10
1   Card Admitted   7/25/2018 9:10  Admitted 'Zhu, Jin Chang' (Card: 203929)   at '2nd Flr Check Rm 02-19' (IN).    7/25/2018 9:10
2   Card Admitted   7/25/2018 9:34  Admitted 'Zhu, Jin Chang' (Card: 203929)   at '2nd Flr Check Rm 02-19' (IN).    7/25/2018 9:34
3   Card Admitted   7/25/2018 9:42  Admitted 'Klein, Erwin' (Card: 511268)   at '2nd Flr Check Rm 02-19' (IN).  7/25/2018 9:41
4   Card Admitted   7/25/2018 10:29 Admitted 'Tesis, Olga' (Card: 203047)   at '2nd Flr Check Rm 02-19' (IN).   7/25/2018 10:29

Answer 1

此link可能会有所帮助。它解决了完全相同的问题。

关于要使用的正则表达式，您可以使用：

r".*Admitted\s+\'(?P<Name>[a-zA-Z, ]+)\' \(Card: (?P<digit>\d+)\).*"

谢谢。

this上的示例三说，您可以使用单个正则表达式来实现。这样会更加有用和干净。

Answer 2

您可以尝试以下模式：

pattern = "Admitted\s+\'(?P<name>.*)\'.*\(Card\D*(?P<card_number>\d+)\)"
df['Message Text'].str.extract(pattern)

输出：

             name card_number
0  Santos, Samuel      203532
1  Zhu, Jin Chang      203929
2  Zhu, Jin Chang      203929
3    Klein, Erwin      511268
4     Tesis, Olga      203047

从字符串中提取名称和数字

2 个答案: