pandas' `str.extract()` 中带有捕获组的正则表达式的预期行为
Expected behavior with regular expressions with capturing-groups in pandas' `str.extract()`
我正在尝试掌握正则表达式，我遇到了 str.extract 方法中包含的正则表达式：
movies['year']=movies['title'].str.extract('.*\((.*)\).*',expand=True)
应该检测并提取括号中的那个。所以，如果给出这个字符串：foobar (1995) 它应该 return 1995。但是，如果我打开终端并输入以下内容
echo 'foobar (1995)` | grep '.*\((.*)\).*'
匹配整个字符串，而不是只匹配括号之间的内容。由于括号换码，我假设该方法适用于 BRE 风格，grep（默认行为）也是如此。此外，regex 以蓝色匹配整个字符串，以绿色匹配年份（捕获组）。我在这里错过了什么吗？正则表达式在 python
中完美运行
首先，Pandas .str.extract() 的行为是意料之中的：它 return 只是 捕获组 的内容。与 extract 一起使用的模式需要至少 1 个捕获组：
pat : string
Regular expression pattern with capturing groups
如果您使用命名捕获组，新列将以命名组命名。
您提供的grep命令可以简化为
grep '\((.*)\)'
as grep 能够匹配一行 部分 （不需要整行匹配）并且在每行基础上工作：一旦找到匹配项整行是 returned。要覆盖该行为，您可以使用 -o 开关。
使用 grep，您无法 return 捕获组内容。这可以通过使用 -P 选项支持的 PCRE regexp 来解决，但它在 Mac 上不可用，例如。 sed 或 awk 也可能在这些情况下有所帮助。
试试这个：
movies['year']= movies['title'].str.extract('.*\((\d{4})\).*',expand=False)
- 设置 expand= True 如果你想 return 一个 DataFrame 或应用多个捕获组。
- 年份总是由4位数字组成。所以正则表达式：\((\d{4})\) 匹配括号之间的任何日期。
我正在尝试掌握正则表达式，我遇到了 str.extract 方法中包含的正则表达式：
movies['year']=movies['title'].str.extract('.*\((.*)\).*',expand=True)
应该检测并提取括号中的那个。所以，如果给出这个字符串：foobar (1995) 它应该 return 1995。但是，如果我打开终端并输入以下内容
echo 'foobar (1995)` | grep '.*\((.*)\).*'
匹配整个字符串，而不是只匹配括号之间的内容。由于括号换码，我假设该方法适用于 BRE 风格，grep（默认行为）也是如此。此外，regex 以蓝色匹配整个字符串，以绿色匹配年份（捕获组）。我在这里错过了什么吗？正则表达式在 python
中完美运行首先，Pandas .str.extract() 的行为是意料之中的：它 return 只是 捕获组 的内容。与 extract 一起使用的模式需要至少 1 个捕获组：
pat : string
Regular expression pattern with capturing groups
如果您使用命名捕获组，新列将以命名组命名。
您提供的grep命令可以简化为
grep '\((.*)\)'
as grep 能够匹配一行 部分 （不需要整行匹配）并且在每行基础上工作：一旦找到匹配项整行是 returned。要覆盖该行为，您可以使用 -o 开关。
使用 grep，您无法 return 捕获组内容。这可以通过使用 -P 选项支持的 PCRE regexp 来解决，但它在 Mac 上不可用，例如。 sed 或 awk 也可能在这些情况下有所帮助。
试试这个：
movies['year']= movies['title'].str.extract('.*\((\d{4})\).*',expand=False)
- 设置 expand= True 如果你想 return 一个 DataFrame 或应用多个捕获组。
- 年份总是由4位数字组成。所以正则表达式：\((\d{4})\) 匹配括号之间的任何日期。