尝试在Python/pandas中使用regex获取子字符串

Question

我知道这看起来很愚蠢，但我到处找，尝试使用regex，但没有成功。我的脚本不适用于数据集中所有类型的字符串。在

我有一个列，其中包含的原始数据如下（三种情况）：

20181223-FB-BOOST-AAAA-CC Auchy-Les-Mines - Père Noel
20161224-FB-BOOST-SSSS-CC LeMarine - XXX XXX
20161223-FB-BOOST-XXXX-CC Bonjour le monde - Blah blah

所以我想做的是把字符串放在中间的CC后面，在“-”之前。我写了一个剧本，对第二个案子有用，但对另外两个案子却没有效果：

^{pr2}$

下面是我使用的正则表达式，但从来没有适用于所有情况：regex=r"\s\b.*-."

提前谢谢！在

Answer 1

您可以很简单地使用：

result = df.raw_data.str.extract(r'-CC (.*) -')

Answer 2

你是我的用处

df['Col'].str.extract(r'-CC\s+(.*?)\s+-')

见the regex demo。在

图案细节

• -CC-一个文本子字符串
• \s+-1+个空格
• (.*?)-group1（这个值将由.str.extract返回）：尽可能少地使用除newline之外的任何0+字符
• \s+-1+空格（+在这里很重要）
• --连字符

事实上，(.*?)的两端都有\s+模式，这将确保不管有多少个空白，结果都已经从空白中去除。在