python - Pandas `str.extract()` 中带有捕获组的正则表达式的预期行为

Question

我试图掌握正则表达式，我遇到了包含在 str.extract 方法中的正则表达式:

movies['year']=movies['title'].str.extract('.*\((.*)\).*',expand=True)

它应该检测并提取括号中的任何一个。因此，如果给定此字符串:foobar (1995)，它应该返回 1995。但是，如果我打开终端并输入以下内容

echo 'foobar (1995)` | grep '.*\((.*)\).*'

匹配整个字符串，而不仅仅是括号之间的内容。由于括号换码，我假设该方法适用于 BRE 风格，grep(默认行为)也是如此。另外，regex以蓝色匹配整个字符串，以绿色匹配年份(捕获组)。我在这里错过了什么吗？正则表达式在 python 中完美运行

Answer 1

首先是Pandas的行为.str.extract()完全符合预期:它仅返回捕获组 内容。与 extract 一起使用的模式需要至少 1 个捕获组:

pat : string
Regular expression pattern with capturing groups

如果您使用命名捕获组，新列将以命名组命名。

您提供的grep 命令可以简化为

grep '\((.*)\)'

因为 grep 能够部分匹配一行(不需要整行匹配)并且在每行基础上工作:一旦找到整个匹配项行被返回。要覆盖该行为，您可以使用 -o 开关。

使用grep，您不能返回捕获组的内容。这可以通过使用 -P 选项的 PCRE regexp 来解决，但它在 Mac 上不可用，例如。 sed 或 awk 也可能在这些情况下有所帮助。