提取特殊字符和词之间的所有字符的正则表达式

Question

我试图提取特殊字符>和单词模式.myword之间的所有字符（通常是多个单词，包括空格）。在我的数据帧中。你知道吗

我尝试了以下方法，只在.myword中添加了一个单词：

df['my_column'] = df['text'].str.findall(r'(\w+.myword)')

一些字符串示例：

str1 = 123abc >I want this1.myword #extract I want this1.myword
str2 =  123<>I want this2.myword<> #extract I want this2.myword  

Answer 1

$ grep -Po '(?<=>)[^<$]+' <<EOF
123abc >I want this1.myword
123<>I want this2.myword<>
EOF

I want this1.myword
I want this2.myword

• (?<=)正面回顾
• [^]负字符集

Answer 2

首先，一个简单的点.匹配任何字符，因此您希望在regex中转义它：\.否则，regex还会在例如：
中找到匹配项 123>Iwantthis!myword # extracts Iwantthis!myword

其次，必须允许捕获的组中有空格字符：\s。你知道吗

我想这应该适合你： r'([\w\s]+\.myword)'

Answer 3

我不使用regex，而是定义一个特定的函数来提取子字符串：

代码

def substring(original_string):
    start = original_string.find(">")
    end = original_string.find(".myword")

    if (start > -1) and (end > -1):
        return original_string[start + 1:end]
    else:
        return None


df['my_column'] = df['text'].apply(lambda x: substring(x))