regex以查找出现在月份名称之前的数字(pandas)

Question

我尝试在pandas列中提取月份名称之前的数字，如果数字和月份名称在那里的话。列中的字符串如下所示：

133    h missed intake office visit on 28 June 1994 a...
136    11 February 1985 CPT Code: 90801 - Psychiatric...
150                  12 March 1980 SOS-10 Total Score:\n
151                      22 June 1990 Medical History:\n
165    .On 18 August 1975 patient presented to BH ED/...
181                18 August 1995 Primary Care Doctor:\n
182    eby 13 June 1974 it appears amitriptyline had ...
188    12 March 2004 CPT Code: 90801 - Psychiatric Di...
228    s 20 yo M carries dx of BPAD, presents for psy...
229    t Allergies Sulfa (Sulfonamide Antibiotics) - ...
230    B/R Walnut Ridge. Raised with sister and paren...
231    50 yo DWF with a history of alcohol use disord...
232    )HTN, hypercholesterolemia, DM, sleep apnea,, ...

例如，在第133行，我希望从单词June之前取出28，在第136行，从单词example之前取出11。

我正在尝试调整以前使用的正则表达式来获取数字。此正则表达式为：

DF["col2"] = DF["col1"].str.extract(r'\b\d{1,2}\s(January|February|March|April|May|June|July)|August|September|October|November|December')

我猜捕获括号导致提取的对象是月份，而不是数字，但当我尝试将捕获括号放在数字\d{1,2}上时，我收到一个错误。

如何从该列中仅获取数字？

Answer 1

要仅提取月份名称之前的日期数字部分，您可以使用

r'\b(\d{1,2})\s(?:January|February|March|April|May|June|July|August|September|October|November|December)
    ^       ^ 

请参阅regex demo。

捕获括号仅包含在\d{1,2}模式部分。月份名称位于不创建单独捕获的非捕获组((?:...))中。

还要注意，月份名称都放在一个分组结构中，在最初的正则表达式中，结束的)被放在July之后，并破坏了正则表达式。