如何用正则表达式提取子字符串

Question

我有如下的SKU：

SBC225SLB32
SBA2161BRB30
PBA632AS32

其中前3-4个字符是and，必须提取，下面的3-4个数字是0-9，也必须提取。

对于第一个，我尝试了\D{3,4}，对于第二个，我尝试了\d{3,4}。

但是当我使用熊猫的.str.extract('\D{3,4}')时，我发现了一个pattern contains no capture groups错误。有更好的方法吗？

Answer 1

传递给Series.str.extract的regex模式不包含捕获组，而该方法至少需要一个捕获组。

在您的示例中，在两个捕获组的帮助下同时获取两个值更为方便。您可以使用

df[['Code1', 'Code2']] = df['SKU'].str.extract(r'^([A-Z]{3,4})([0-9]{3,4})', expand=False)

见regex演示。模式细节：

• ^ -字符串的开始
• ([A-Z]{3,4}) -捕获组1: 3到4个大写字母
• ([0-9]{3,4}) -捕获组2: 3到4个大写ASCII数字。