python - RegEx 用于在最后一个连字符之前提取一定数量的字符

Question

您好，我想提取数据框列中的日期，日期由“-”或“to”分隔

 pop       DATE                     
 0  1.5   OWREAP-01/06/18to30/06/18  
 1  1.7   OW - 01/07/18 - 30/08/18     
 2  3.6   BCREAP - 01/08/18 to 30/08/18 
 3  2.4   BCGRA TO 01/08/18 to 30/08/18

我试图用“-”替换“to”和“TO”

df['DATE'].str.replace('to|TO','-')
 pop       DATE                     
 0  1.5   OWREAP-01/06/18-30/06/18  
 1  1.7   OW - 01/07/18 - 30/08/18     
 2  3.6   BCREAP - 01/08/18 - 30/08/18 
 3  2.4   BCGRA - 01/08/18 - 30/08/18

现在我需要知道如何提取最后一个连字符前后的 8 个字符即

 pop       type   startdate enddate                    
 0  1.5   OWREAP  01/06/18  30/06/18  
 1  1.7   OW      01/07/18  30/08/18     
 2  3.6   BCREAP  01/08/18  30/08/18 
 3  2.4   BCGRA   01/08/18  30/08/18

Answer 1

你可以使用

reg = r'(?i).*(\d{2}/\d{2}/\d{2}(?:\d{2})?)\s*(?:TO|-)\s*(\d{2}/\d{2}/\d{2}(?:\d{2})?)'
df[['startdate','enddate']] = df.pop('DATE').str.extract(reg)

参见 regex demo .

详情

• (?i) - 不区分大小写的标志
• .* - 任何 0+ 个字符，尽可能多
• (\d{2}/\d{2}/\d{2}(?:\d{2})?) - 开始日期捕获组:2 位数字，/, 2 位数字, /, 2 或 4 位数字
• \s* - 0+ 个空格
• (?:to|-) - to 或 -
• \s*
• \s* - 0+ 个空格
• (\d{2}/\d{2}/\d{2}(?:\d{2})?) - 结束日期捕获组:2 位数字，/, 2 位数字, /, 2 或 4 位数字

Python 测试:

df = pd.DataFrame( {'DATE': ["OWREAP-01/06/18to30/06/18"],
                    'dummy': ["value"]})
reg = r'(?i).*(\d{2}/\d{2}/\d{2}(?:\d{2})?)\s*(?:to|-)\s*(\d{2}/\d{2}/\d{2}(?:\d{2})?)'
df[['startdate','enddate']] = df.pop('DATE').str.extract(reg)
>>> df
   dummy startdate   enddate
0  value  01/06/18  30/06/18