如果前面有月份 python，则不获取数字

Question

我正在使用 Jupyter 笔记本中的 python 从网络中提取一些数据。我已经下载了数据、解析并创建了数据框。我从数据框中变量中的字符串中提取了一个数字。我利用这个正则表达式来做到这一点：

number = []
for note in df["person_notes"]:
    match = re.search(r'\d+', note)
    if match:
        number.append(note[match.start(): match.end()])
    else:
        number.append("")

df["number"] = number

有些字符串缺少我要查找的数字。对于那些情况，我想number.append("")。这些字符串有一个完整的日期，就像这样...... "September 20, 2016" 而我的 re.search() 正在从那个完整的日期中提取数字 20。如果字符串有这样的数据，我想忽略 20 而不是 number.append("")。

如果数字前面有一个月，我如何修改 re.search() 以忽略该数字？

Answer 1

我建议使用旧的 JS 正则表达式技巧：用 可选的捕获组 将你要用负向后视封闭的模式括起来，如果成功，则丢弃匹配项 (在这里，附加一个 "")。否则，获取其他捕获组内容（此处为数字）。

参见Python demo：

import re
number = []
p = re.compile(r'((?:Jan|Febr)(?:uary)?|Ma(?:y|r(?:ch)?)|A(?:ug(?:ust)?|pr(?:il)?)|Ju(?:ne?|ly?)|Oct(?:ober)?|(?:Sept|Nov|Dec)(?:ember)?)? *(\d+)')
match = p.search('September 20, 2016')
if match and not match.group(1):         # Did the string match and did Group 1 fail?
    number.append(match.group(2))        # Yes, then add digits
else:
    number.append("")                    # Else, add an empty value
print(number)

如果您不关心缩短的月份名称并保持其可读性，您可以使用更简单的正则表达式：

p = re.compile(r'(January|February|March|April|May|June|July|August|September‌|October|November|De‌cember)? *(\d+)')

正则表达式匹配：

((?:Jan|Febr)(?:uary)?|Ma(?:y|r(?:ch)?)|A(?:ug(?:ust)?|pr(?:il)?)|Ju(?:ne?|ly?)|Oct(?:ober)?|(?:Sept|Nov|Dec)(?:ember)?)? - 月份（全名或简称）
* - 零个或多个空格
(\d+) - 第 2 组：一个或多个数字。

如果前面有月份 python，则不获取数字

Don't get number if precede by month python

regex

python-3.x

jupyter