Question

我是Python的新手，正在尝试分析一些数据。因此，我已经将文件夹中的所有csv文件导入并串联到单个数据框中。我试图提取一部分文件名用作标题，搜索后，我发现您通常会使用正则表达式。

文件名如下：'Varying Concentration2_20190712-145158_Base Media.csv'，'Varying Concentration2_20190712-145158_250 g per l.csv'等因此，我要提取的部分在_之后和.csv之前。

我尝试过：

for fname in all_data:
    res = re.findall("(?<=_)(\w+).csv$", fname)
    if not res: continue
    print (res)

，还有"(?<=[0-9]+_)(\w+)" 但它似乎不起作用。

所需的输出将是一个包含'Base Media'，'150g per l'等的列表。

Answer 1

您可以这样做：

(?<=_)[^_]+(?=\.csv$)

(?<=_)是零宽度正向后方匹配_
[^_]+匹配一个或多个非_的字符，这是我们想要的部分
(?=\.csv$)是零宽度正向超前查询，请确保比赛结束后我们有csv

如果您不想使用环视，则可以使用简单模式并将所需的匹配项放入第一个（也是唯一一个）捕获的组中（并通过match.group(1)而不是match.group()获取输出）：

_([^_]+)\.csv$

示例：

In [38]: text = 'Varying Concentration2_20190712-145158_Base Media.csv'

In [39]: re.search(r'(?<=_)[^_]+(?=\.csv$)', text).group()
Out[39]: 'Base Media'

In [40]: text = 'Varying Concentration2_20190712-145158_250 g per l.csv'

In [41]: re.search(r'(?<=_)[^_]+(?=\.csv$)', text).group()
Out[41]: '250 g per l'

Answer 2

使用以下内容：

^.*_(.*)\.csv$

这一切都是跳过所有内容，直到_，然后捕获所有内容，直到.csv。

Demo

Answer 3

您可以使用：

_([^._]+).csv

并参加第一个被捕获的小组。

Demo

说明：

_([^._]+)找到_，并确保它是字符串的最后一个，您从重复_中剔除[^_]。您还删除了一个点，以避免匹配扩展名.csv，这就是为什么重复[^._]+的原因。它被括在方括号([^._]+)中，使其成为捕获组，以后可以使用。

在python中：

>>> text = 'Varying Concentration2_20190712-145158_Base Media.csv'
>>> re.search(r'_([^._]+).csv', text).group(1)
'Base Media'

Answer 4

这是一个避免使用正则表达式的选项，而是两次使用基本的split字符串函数：

filename = 'Varying Concentration2_20190712-145158_Base Media.csv'
parts = filename.split('_')
nameonly = parts[len(parts)-1].split('.')[0]
print(nameonly)

输出：

Base Media

如果完整的文件名也可以包含点，则可能需要调整此答案。

Python提取文件名regex的一部分

4 个答案: