正则表达式不将匹配项重新编码为Tru

Question

我有一个包含文本数据的数据框，我正在尝试清除包含空内容值的行。我有一行的内容列如下所示：

articles.loc[197040, 'content']
'     '

我试过用.isnull（）清理它，但它不能识别空字符串。所以我求助于正则表达式并尝试：

nothing = re.compile(r'\W{1,}')
articles = articles[articles['content'] != nothing]

但这就留下了空的文章。如果我尝试：

'     ' == nothing

我得到False。但是regex tester似乎表明这应该是可行的。使用r'\W*'也会返回False。你知道吗

当尝试其他正则表达式组合时，其他无意义字符串（例如逗号和空格的混合）的问题仍然存在。你知道吗

谢谢你的帮助。你知道吗

编辑：

这里也不承认等价性：

'what.' == re.compile(r'\w*\.')
False

或者在这里：

'6:45' == r'[^A-Z]{1,}'
False

以此类推。你知道吗

Answer 1

要检查正则表达式是否与字符串匹配，必须使用match方法，而不是检查是否相等。你基本上是在比较一个字符串和一个模式对象，当然，它们并不相等。试试这个：

nothing.match('    ') # out: <_sre.SRE_Match object; span=(0, 4), match='    '>
x.match(' , , ,') # out: <_sre.SRE_Match object; span=(0, 6), match=' , , ,'>

Answer 2

您可以使用^{}内置解决此问题，如果字符串中只有空格字符且至少有一个字符，则返回true。你知道吗

---

演示，同时过滤空字符串：

import pandas as pd
articles =  pd.DataFrame({'content' : ['foo','bar','   ','foo','    ','']})    
articles = articles[(~articles['content'].str.isspace()) & (articles['content'] != '')]

>>> articles
  content
0     foo
1     bar
3     foo