python - 在第二个或第三个大写字母后面插入空格 python

Question

我有一个包含地址的 pandas 数据框。有些格式正确，如 481 Rogers Rd York ON 。其他城市象限和城市名称之间缺少空格，例如:101 9 Ave SWCalgary AB甚至可能:101 9 Ave SCalgary AB ，其中SW指西南和 S向南。

我正在尝试找到一个正则表达式，如果第二个和第三个大写字母后跟小写字母，则在第二个和第三个大写字母之间添加一个空格，或者如果只有两个大写字母后跟小写字母，则在第一个和第二个大写字母之间添加一个空格.

到目前为止，我发现 ([A-Z]{2,3}[a-z])将正确匹配情况，但我不知道如何回顾它并在位置 2 或 3 处进行 sub 。理想情况下，我想使用索引在 [-2:] 处分割匹配但我不知道该怎么做。

我发现re.findall('(?<=[A-Z][A-Z])[A-Z][a-z].+', '101 9 Ave SWCalgary AB')将返回字符串的最后一部分，我可以使用前向正则表达式来找到开头，然后加入它们，但这似乎非常低效。

谢谢

Answer 1

您可以使用

df['Test'] = df['Test'].str.replace(r'\b([A-Z]{1,2})([A-Z][a-z])', r'\1 \2')

参见this regex demo

详细信息

• \b - 单词边界
• ([A-Z]{1,2}) - 捕获组 1(稍后在替换模式中用 \1 引用):一个或两个大写字母
• ([A-Z][a-z]) - 捕获组 2(稍后在替换模式中用 \2 引用):一个大写字母 + 一个小写字母。

如果您想要专门匹配城市象限，您可以使用更具体的正则表达式:

df['Test'] = df['Test'].str.replace(r'\b([NS][EW]|[NESW])([A-Z][a-z])', r'\1 \2')

参见this regex demo 。在这里，[NS][EW]|[NESW]匹配N或S后面跟着 E或W ，或单个 N , E , S或W .

Pandas 演示:

import pandas as pd
df = pd.DataFrame({'Test':['481 Rogers Rd York ON', 
'101 9 Ave SWCalgary AB',
'101 9 Ave SCalgary AB']})
>>> df['Test'].str.replace(r'\b([A-Z]{1,2})([A-Z][a-z])', r'\1 \2')
0      481 Rogers Rd York ON
1    101 9 Ave SW Calgary AB
2     101 9 Ave S Calgary AB
Name: Test, dtype: object