使用regex python的模式匹配

Question

以下是文本示例：

• 美国心理协会。(2016)。流行病学研究中心抑郁症()。检索2016年12月7日，来自美国心理协会，http://www.apa.org/pi/ http://www.apa.org/pi/评估/工具/抑郁量表。
• Beattie，G.S. (2005年，11月)。抑郁的社会原因。2017年5月31日，从http:// www.personalityresearch.org/papers/beattie.html检索

我想要我尝试过的文本中的粗俗部分：

/\)\.|\s[a-zA-Z]+\./

我在这里找')‘那么’‘。然后是‘空格’，然后再发短信直到‘’。

基本上，我想要两个点之间的文本，，因为这是论文的标题，在作者或出版物之后开始，如示例中提到的那样，年份放在括号中。但是在上面pattern并没有给出我想要的。

有人能帮我解释一下为什么它不起作用吗?在我的dataframe列中找到这样的文本的另一种方法是什么？

Answer 1

您可以在Series.str.extract中使用以下正则表达式

\)\.\s+([^.]+)

见regex演示。

详细信息

• \)\. - ).子字符串
• \s+ - 1+白空间
• ([^.]+) -第1组:除点以外的一个或多个字符

在潘达斯，你可以像

df['res_col'] = df['orig_col'].str.extract(r'\)\.\s+([^.]+)', expand=False)

按注释更新

允许使用任何已知缩写的更具体的正则表达式是

[\d)]\.\s*((?:\ba\.k\.a\.|[^.])+)

见另一个regex演示。详细信息：

• [\d)] -一个数字或)
• \. -a点
• \s* -0或更多的空白空间
• ((?:\ba\.k\.a\.|[^.])+) -第1组:一个或多个a.k.a.子字符串作为一个整体字或除一个点以外的任何字符。

Answer 2

尝尝这个

(?<=\)\.)[\w\s\(\)]*(?=\.)

• (?<=\)\.)是在搜索后查看是否“)”。在此之前)。
• [\w\s\(\)]*允许所有单词和空白字符以及(和)切拍。
• (?=\.)是一个前瞻性的搜索，以检查chracter。

你可以测试它这里

​

​