如何从特定字符之前的字符串中删除特殊字符？

Question

我有一个 df，其中有一个名为 EMAIL 的列，其中包含各种电子邮件地址。我想删除所有特殊字符，特别是 @ 之前的 .、- 和 _，并附加一个新列 NEW_EMAIL。比如df['EMAIL'] = 'ab_cd_123@email.com'，我要df['NEW_EMAIL'] = 'abcd123@email.com'.

我能够使用下面的代码成功删除句点，但似乎无法删除同一行代码中的下划线或破折号。现在，我正在重复同一行代码来删除这三个特殊字符，这非常难看。有人可以帮我吗？提前感谢您的帮助。

df['NEW_EMAIL'] = df.EMAIL.str.replace(r'\.(?!.{1,4}$)','', regex = True)
df['NEW_EMAIL'] = df.NEW_EMAIL.str.replace(r'\.(?!.{1,4}$)','', regex = True)
df['NEW_EMAIL'] = df.NEW_EMAIL.str.replace(r'\.(?!.{1,4}$)','', regex = True)

Answer 1

您可以使用

df['NEW_EMAIL'] = df['EMAIL'].str.replace(r'[._-](?=[^@]*@)', '', regex=True)

见regex demo。详情:

[._-] - 一个 .、_ 或 - char
(?=[^@]*@) - 一个积极的前瞻，需要存在除 @ 之外的任何零个或多个字符，然后 @ 字符紧邻当前位置的右侧。

如果你需要replace/remove任何特殊字符，你应该使用

df['NEW_EMAIL'] = df['EMAIL'].str.replace(r'[\W_](?=[^@]*@)', '', regex=True)

查看 Pandas 测试：

>>> import pandas as pd
>>> df = pd.DataFrame({'EMAIL':['ab_cd_123@email.com', 'ab_cd.12-3@email.com']})
>>> df['EMAIL'].str.replace(r'[._-](?=[^@]*@)', '', regex=True)
0    abcd123@email.com
1    abcd123@email.com
Name: EMAIL, dtype: object

如何从特定字符之前的字符串中删除特殊字符？

How to remove special characters from a string before specific character?

python

regex

pandas

special-characters

str-replace