时间戳

首页 > 解决方案 > 多种形式的文本格式的正则表达式文本清理

python - 多种形式的文本格式的正则表达式文本清理

问题描述

我有一个具有多种名称的数据框：

JOSEPH W. JASON
Ralph Landau
RAYMOND C ADAMS
ABD, SAMIR
ABDOU TCHOUSNOU, BOUBACAR
ABDL-ALI, OMAR R

对于前 3 个，规则是最后一个字。对于最后三个或任何带逗号的内容，第一个单词是姓氏。但是，对于像 Abdou Tchousnou 这样的名字，我只取了最后一个词，即 Tchousnou。

预期的输出是

JASON
LANDAU
ADAMS
ABD
TCHOUNOU
ABDL-ALI

左边是名字，右边是我要返回的。

str.extract(r'(^(?=[^,]*,?$)[\w-]+|(?<=, )[\w-]+)', expand=False)

有没有办法解决这个问题？当前代码仅返回名字而不是我想要的姓氏。

标签： pythonregex

解决方案

像这样的东西会起作用：

(.+(?=,)|\S+$)
  • (- 开始捕获组 #1
  • .+(?=,)- 获取逗号前的所有内容
  • |- 或者
  • \S+$- 在行尾之前获取不是空格的所有内容
  • )- 结束捕获组 #1

https://regex101.com/r/myvyS0/1

Python：

str.extract(r'(.+(?=,)|\S+$)', expand=False)

推荐阅读