正则表达式捕获第一个数字组

Question

我在一个数据帧中有一系列str值：

S10|1828575
S10|1828575
S10|1828575
S10|1828575
SA510KPBF|47010705
SA510KPBF|47010705
SABLF|47009610
SABLF|47009610
SABLF|47009610

我想捕获|之前的所有数值

预期：

10
10
10
10
510
510

使用：

\d.+?(?=\|)

经过多次尝试，我终于走到了这一步。。我错过了什么

Answer 1

更有效的模式可能是匹配字符串开头的非数字

然后捕获组1（将用于新列）中的第一个数字，并进行匹配，直到第一次遇到管道|，而不是使用前瞻

\A\D*(\d+)[^|]*\|

• \A字符串的开头
• \D*匹配可选的非数字
• (\d+)捕获组1，匹配1+个数字
• [^|]*\|匹配除|之外的任何字符，然后匹配|

Regex demo

示例代码

import pandas as pd

strings = ['S10|1828575',
     'S10|1828575',
     'S10|1828575',
     'S10|1828575',
     'SA510KPBF|47010705',
     'SA510KPBF|47010705',
     'SABLF|47009610',
     'SABLF|47009610',
     'SABLF|47009610']

df = pd.DataFrame(strings, columns=["str_values"])
df['first_numeric'] = df["str_values"].str.extract(r'\A\D*(\d+)[^|]*\|')
print(df)

输出

           str_values first_numeric
0         S10|1828575            10
1         S10|1828575            10
2         S10|1828575            10
3         S10|1828575            10
4  SA510KPBF|47010705           510
5  SA510KPBF|47010705           510
6      SABLF|47009610           NaN
7      SABLF|47009610           NaN
8      SABLF|47009610           NaN

Answer 2

你可以用

\d+(?=.*\|)

唯一的改变是在管道前面的lookahead中添加.*，以查找管道后面的任何内容

---

要在dataframe中利用此函数创建一个只包含数字的新列，我们可以使用extract()

要做到这一点，我们需要通过在()之间封装模式，将上面的regex放在捕获组中

r'(\d+(?=.*\|))'

---

代码

d = ['S10|1828575',
'S10|1828575',
'S10|1828575',
'S10|1828575',
'SA510KPBF|47010705',
'SA510KPBF|47010705',
'SABLF|47009610',
'SABLF|47009610',
'SABLF|47009610']

df = pd.DataFrame(data=d)

df['numbers'] = df[0].str.extract(r'(\d+(?=.*\|))')

输出

>>> df
                    0 numbers
0         S10|1828575      10
1         S10|1828575      10
2         S10|1828575      10
3         S10|1828575      10
4  SA510KPBF|47010705     510
5  SA510KPBF|47010705     510
6      SABLF|47009610     NaN
7      SABLF|47009610     NaN
8      SABLF|47009610     NaN