Python 正则表达式 - 保持字母字符连续相邻/在数字序列内

Question

我正在尝试从 pandas 中非常困惑的字符串字段中提取型号。复杂的是，这些序列号不仅是数字，有时也是字母数字。我想要完成的是创建一个正则表达式捕获组/组合，它允许我仅在字母字符连续位于数字序列之前、结尾或内部时捕获字母字符:

model_number
part b: 101-03-0458B
B.2017Z brand name
brand - 027xY21

至

model_number_stripped
101030458B
B2017Z
027xY21 

到目前为止，我有以下内容:

df['model_number_stripped'] = df['model_number'].str.replace('-','').str.replace('.','').str.replace('\D+','')

Answer 1

您可以使用

df['model_number_stripped'] = df['model_number'].str.replace(r'\W+|(?<!\d)[^\W\d_](?![^\s\d]*\d)', '')

查看此regex demo

详细信息

• \W+ - 1 个或多个除字母、数字和 _ 之外的字符(如果您想删除 _ ，请使用 [\W_]+ )
• | - 或
• (?<!\d)[^\W\d_](?![^\s\d]*\d) - 前面没有数字 ( [^\W\d_] ) 且后面没有除空格和数字 ( (?<!\d) ) 之外的任何 0+ 字符且后跟数字 ( [^\s\d]* ) 的任何字母 ( \d )。请注意(?<!\d)是一个负向后查找，紧邻当前位置的左侧，需要缺少数字。 (?![^\s\d]*\d)模式是一个否定的前瞻，如果在当前位置的右侧立即找到其模式，则匹配失败。