Python正则表达式否定强制字符出现

Question

这个问题已经有答案了:

Do regular expressions from the re module support word boundaries (\b)? (5 个回答)

Extracting whole words (4 个回答)

已关闭 5 年前。

我正在尝试创建一个正则表达式来匹配一年中月份的数字 1-12(其中第一位数字是可选的)和一个月中的天数 1-31，而不附加从 1 到 12 的所有数字。(想象一下内存，如果这是 1 - 100 万)

pd.Series(["some text8some text","some text13some text", "05"]).str.extract('(?P<mm>[1][012]|(?:[0])?[1-9])') 

在 8 上工作正常，但在 13 上工作而不是忽略它与 1 的匹配。所以我尝试了

pd.Series(["some text8some text","13some text", "05"]).str.extract('(?P<mm>[1][012]|(?:[0])?[1-9][^0-9])')

但它强制我在 8 之后有一个字符，否则不匹配。

有人可以帮忙解决这个正则表达式否定吗，它迫使我在 8 之后有一个字符来匹配？

所需的输出是

0: 8
1: Nan 
2: 5

由于没有空格，单词边界将不起作用，从而迫使我们使用正则表达式否定。

Answer 1

您需要使用 anchor 或单词边界:

\b(?:1[0-2]|[1-9])\b

参见a demo on regex101.com 。

<小时/>对于 pandas，这可能是:

import pandas as pd

df = pd.Series(["8","13", "text in between 13 as well", "here is an 8 hidden"]).str.extract(r'(?P<mm>\b(?:1[0-2]|[1-9])\b)') 
print(df)

这会产生

0      8
1    NaN
2    NaN
3      8
Name: mm, dtype: object