Question

我有一个字段，其中包含以

构成的名称

abc |姓，名| xyz

鉴于在管道符号之间始终始终是姓氏逗号，我该如何提取名字？

df['colname'].str.extract(pat = '(^|\s.+,\s.+|$)')

使用这种方法返回空白或空值。

Answer 1

您可以使用此正则表达式：

([a-zA-Z]+)\s*,\s*([a-zA-Z]+)

演示： Here

Answer 2

假设管道符号实际上在字符串中，并假设您的字符已经是字符串（或可以通过将引号内的字符括起来而变成字符串），然后将stringr包与str_extract（）一起使用功能可以解决问题。如果姓氏或名字都大写，则需要更改此代码。

基本上，只专注于首先匹配最简单的字符，即逗号。然后，一旦有了匹配项，就逐步建立模式，并在第一次匹配后越来越多地匹配，直到满足您的要求为止。

library(stringr)

names <- "abc | lastname, firstname | xyz"    # create a string
print(names)     

str_extract(names, "[a-z]*, [a-z]*")          # extract the names


[1] "abc | lastname, firstname | xyz"      # printed string

'lastname, firstname'                      # output

Answer 3

您可以利用捕获组和否定的字符类[^...]来匹配除列出的字符以外的任何字符。

该值在第一个捕获组中。

请注意将管道转出字符类之外。

^[^\r\n|]*\|\s+([^\r\n,|]+,[^\r\n,|]+)\|

部分

^字符串的开头
[^\r\n|]*匹配0+次而不是管道或换行符
\|\s+匹配管道和1个以上的空格字符
(捕获第1组
- [^\r\n,|]+匹配1次以上，而不是逗号，竖线或换行符
- ,匹配逗号
- [^\r\n,|]+匹配1次以上，而不是逗号，竖线或换行符
)关闭群组
\|匹配管道

Regex demo

模式或.+中的[^\r\n,|]部分也将匹配一个空字符串作为名称。

例如，您可能首先匹配一个字符a-zA-Z或指定要允许的名称，以防止空的名字或姓氏。

^[^\r\n|]*\|\s+([A-Za-z][^\r\n,|]*,\s*[A-Za-z][^\r\n,|]*)\|

Regex demo

如何从字符串中提取名称

3 个答案: