时间戳

首页 > 解决方案 > 提取字符串中的匹配位置

regex - 提取字符串中的匹配位置

问题描述

re.finditer我可以使用生成匹配的开始/结束位置的元组轻松提取文本中字符串的开始/结束位置。

s1 = 'the quick quick brown fox jumps over the lazy dog'
s2 = 'Pack my box with five dozen liquor jugs'
s3 = 'How razorback jumping frogs can level six piqued gymnasts'

r1 = '(quick|fox|dog)'
r2 = '(box|five|jugs)'
r3 = '(frogs|six)'

t = [(s1,r1), (s2,r2), (s3,r3)]


for e in t:
    print([(f.start(), f.end()) for f in re.finditer(e[1],e[0])])

[(4, 9), (10, 15), (22, 25), (46, 49)]
[(8, 11), (17, 21), (35, 39)]
[(22, 27), (38, 41)]

我有一个数据框，其中一列中有文本，另一列中有正则表达式

s = pd.DataFrame(data={'re':[r1,r2,r3], 'text':[s1,s2,s3]})

    re              text
0   (quick|fox|dog) the quick quick brown fox jumps over the lazy dog
1   (box|five|jugs) Pack my box with five dozen liquor jugs
2   (frogs|six)     How razorback jumping frogs can level six piqu...

我想Series使用方法将相同的位置信息提取到对象中，pandas.str但没有finditer方法（在熊猫 0.23 中）。

有没有办法在不诉诸 for-each 循环的情况下做到这一点？

标签： regexpython-3.xpandas

解决方案

扩展 @user3483203 评论，您可以使用列表理解执行以下操作：

import re
import pandas as pd

s1 = 'the quick quick brown fox jumps over the lazy dog'
s2 = 'Pack my box with five dozen liquor jugs'
s3 = 'How razorback jumping frogs can level six piqued gymnasts'

r1 = '(quick|fox|dog)'
r2 = '(box|five|jugs)'
r3 = '(frogs|six)'

t = [(s1,r1), (s2,r2), (s3,r3)]

s = pd.DataFrame(data={'re':[r1,r2,r3], 'text':[s1,s2,s3]})

result = pd.Series([[(f.start(), f.end()) for f in re.finditer(p, s)] for p, s in zip(s.re, s.text)])
print(result)

输出

0    [(4, 9), (10, 15), (22, 25), (46, 49)]
1             [(8, 11), (17, 21), (35, 39)]
2                      [(22, 27), (38, 41)]
dtype: object

另一种选择是使用apply，但我相信这可能会更慢：

def finditer(p, s):
    return [(f.start(), f.end()) for f in re.finditer(p, s)]


result = s[['re', 'text']].apply(lambda x: finditer(x[0], x[1]), axis=1)
print(result)

推荐阅读