Python 正则表达式 - 保持字母字符连续相邻/在数字序列内

Question

我正在尝试从熊猫中非常混乱的字符串字段中提取型号。复杂的是，这些序列号不仅是数字，而且有时是字母数字。我要完成的工作是创建一个正则表达式捕获组/组合，使我仅在字符连续，连续或位于数字序列内部时才捕获它们：model_numberpart b: 101-03-0458BB.2017Z brand namebrand - 027xY21至model_number_stripped101030458BB2017Z027xY21 到目前为止，我有以下几点：df['model_number_stripped'] = df['model_number'].str.replace('-','').str.replace('.','').str.replace('\D+','')

Answer 1

您可以使用

df['model_number_stripped'] = df['model_number'].str.replace(r'\W+|(?<!\d)[^\W\d_](?![^\s\d]*\d)', '')

看到这个正则表达式演示

细节

• \W+-除字母，数字和以外的1个或多个字符_（如果要删除_，请使用[\W_]+）

• | - 或者

• (?<!\d)[^\W\d_](?![^\s\d]*\d)-任何[^\W\d_]不带数字（(?<!\d)）且不带任何0+字符（除空格和数字（[^\s\d]*）后跟数字（\d））的字母（）。请注意，这(?<!\d)是一个负向后视，紧靠当前位置的左侧，需要没有数字。(?![^\s\d]*\d)如果在当前位置的右侧立即找到其模式，则该模式是负前瞻，匹配失败。