如何在pyspark中移动句子中的单词位置

Question

我有以下街道地址：

- KR 71D 6 94 SUR LC 1709
- KR 24B 15 20 SUR AP 301
- KR 72F 39 42 SUR
- KR 72F SUR 39 42
- KR 72 SUR 39 42

我需要检测的是仅位于地址牌后的单词 SUR，将其删除，然后在主地址后 setter。例如：

- KR 71D 6 94 SUR LC 1709  <-- Change it to: KR 71D SUR 6 94 LC 1709
- KR 24B 15 20 SUR AP 301 <-- Change it to: KR 24B SUR 15 20 AP 301
- KR 72F 39 42 SUR <-- Change it to: KR 72F SUR 39 42
- KR 72F SUR 39 42 <-- It is ok, leave it this way
- KR 72 SUR 39 42 <-- It is ok, leave it this way

非常感谢，希望有人能帮助我。

Answer 1

你可以试试这个：

import re

lyst = ["KR 71D 6 94 SUR LC 1709","KR 24B 15 20 SUR AP 301","KR 72F 39 42 SUR","KR 72F SUR 39 42","KR 72 SUR 39 42"]

comp = re.compile(r'([a-zA-Z]+)(\s)(\w+)\s(\d+)\s(\d+)\s([a-zA-Z]+)(.*)$')

逻辑:

利用括号内匹配的捕获逻辑，可以捕获所有以space分隔的单词（包括数字和单词）的匹配，对于SUR的匹配，我们需要第5个单词被匹配并插入到第三个位置。所以，我们在 \6 中捕获它（一个大于 5，因为我们也匹配一个 space）。在这场比赛之后，使用 (.*) 选择单场比赛中的所有其他内容。我们在这里使用来自 re 模块的 sub。对于最后两个字符串，由于模式永远不会通过，因此不会替换任何内容，字符串将保持原样。

newlyst = []
for items in lyst:
    newlyst.append(re.sub(comp, r'', items))

您可以打印 newlyst 以查看输出：

输出：

['KR 71D SUR 6 94 LC 1709', 'KR 24B SUR 15 20 AP 301', 'KR 72F SUR 39 42', 'KR 72F SUR 39 42', 'KR 72 SUR 39 42']

如何在pyspark中移动句子中的单词位置

How to move a word position in a sentence in pyspark

regex

pyspark

street-address