Pandas 正则表达式提取给 re.search 不同的输出？

Question

所以，我正在尝试使用正则表达式从我的 pandas 数据框的列中提取权重值...预计由于某种原因，提取不正确。

all_data["name"].iloc[0] = "220 grams" # this is purely to show my issue

pattern  = "[0-9]+ ?(gram|mg|Gram|GRAM)"

gram_values = all_data["name"].str.contains(pattern)

re.search(pattern, all_data["name"].iloc[0])

输出为

<re.Match object; span=(0, 8), match='220 gram'>

正如预测的那样，它正在出口 220 克。万岁。

现在，如果我使用 pandas.str.extract 方法...

all_data["name"].str.extract(pattern)

那么输出就是

相同的正则表达式模式，两个不同的输出。那我到底做错了什么？正则表达式字符串如何提取不同的值？

Answer 1

Pandas Series.str.extract() behavior is explained in the documenation, it returns only the capturing group 内容。

pat : string
Regular expression pattern with capturing groups

您的正则表达式包含一个捕获组，(gram|mg|Gram|GRAM)，因此它的内容被返回。

要使正则表达式在 Pandas str.extract 中工作，用捕获组包装它，并使另一个 group non-capturing:

r"([0-9]+ ?(?:gram|mg|Gram|GRAM))"
# |        |non-capturing group||
# |_______ capturing group______|