python - 将变量传递给正则表达式提取 Pandas

Question

我试图通过使用另一列中的值作为变量来使用 Pandas 进行正则表达式提取。df = pd.DataFrame({'text': ["The final is one of the most famous snooker matches of all time and pa", "Davis trailed for the first time at the event in the quarter-finals, as he played Terry Griffiths. "],'key': ["snooker", 'quarter-finals']})我正在考虑构建一个字符串作为参数并将其传递给函数 reg = '((?:\S+\s+){0,10}\b'+'snooker'+'\b\s*(?:\S+\b\s*){0,10})'df['text'].str.extract(r'reg')但它会产生这个错误
ValueError:模式不包含捕获组
我假设这是由于 "(r'reg')" 的语法造成的

Answer 1

这里有几个问题:

字边界设置为文字 \b (r"\b"), 不带退格字符 ( "\b" ),

您不能将变量放入常规的普通字符串文字中，您需要使用 format()或 f 弦

您还需要模式中的捕获组。

您可以使用

df['result'] = df['text'].str.extract(fr'((?:\S+\s+){{0,10}}\b{keyword_var}\b(?:\s+\S+){{0,10}})')

笔记:

fr'...' - 定义具有可变插值支持的原始 f 字符串文字并将反斜杠解析为文字字符

((?:\S+\s+){{0,10}}\b{keyword_var}\b(?:\s+\S+){{0,10}}) - 一个包含单个捕获组的模式包裹整个模式，该组值将是返回值。

如果您的 keyword不是纯字母数字字符串，您需要重新考虑 using word boundaries并且必须转义内容，例如{re.escape(keyword_var)}