基于关键字的pandas文本抽取

Question

我有一个包含两列的数据集：

Index            Text
 1               *some text* address13/b srs mall, indirapuram,sann-444000 *some text*
 2               *some text*   
 3               *some text* contactus 12J 1st floor, jajan,totl-996633 *some text*
 4               ..........
 5               ........

我想要一个数据帧，它有一个新的列作为“位置”，其中只有字符串将从列“文本”中提取，该列超出关键字“address”或“contactus”，直到6位数字，并给出“NA”，其中字符串不匹配。输出我想要的是：

^{pr2}$

Answer 1

使用str.extract：

df['location'] = df.Text.str.extract('(?:address|contactus)(.*?\d{6})', expand=False)
df.drop('Text', 1)

   Index                                location
0      1  13/b srs mall, indirapuram,sann-444000
1      2                                     NaN
2      3        12J 1st floor, jajan,totl-996633

顺便说一句，当您有多个项目要检查时，请将它们放在一个列表中，并用str.join将它们连接起来：

^{pr2}$

---

正则表达式详细信息

(?:        # non-capturing group
address    # "address" 
|          # regex OR
contactus  # "contactus
)  
(.*?       # non-greedy match-all
\d{6}      # 6 digit zipcode
)