使用regex-python进行模式匹配

Question

以下是文本示例：

• 美国心理协会。(2016). 中心 抑郁症流行病学研究（CESD）。12月7日检索， 2016年，来自美国心理协会，http://www.apa.org/pi/ 关于/出版物/医务人员/实践设置/ 评估/工具/抑郁量表.aspx
• Beattie，G.S.（2005年11月）抑郁的社会原因。 2017年5月31日检索自http:// www.personalityresearch.org/papers/beattie.html

我想要我尝试过的文本的粗体部分：

/\)\.|\s[a-zA-Z]+\./

在这里，我查找“）”然后“.”然后是“空格”，然后是文本直到“.”

基本上，我想要两个点之间的文本，因为这是论文的标题，在作者或出版物之后开始，括号中有年份，如示例中所述。但是上面的pattern并没有给出我想要的

有人能帮我解释为什么它不起作用，还有什么其他方法可以在我的dataframe列中找到这样的文本

Answer 1

您可以将以下正则表达式与Series.str.extract一起使用：

\)\.\s+([^.]+)

见regex demo

详细信息

• \)\.-).子串
• \s+-1+空格
• ([^.]+)-第1组：点以外的一个或多个字符

在熊猫中，你可以像这样使用它

df['res_col'] = df['orig_col'].str.extract(r'\)\.\s+([^.]+)', expand=False)

根据评论更新

允许任何已知缩写的更具体的正则表达式是

[\d)]\.\s*((?:\ba\.k\.a\.|[^.])+)

见another regex demo。详情：

• [\d)]-数字或)
• \.-一个点
• \s*-0个或多个空格
• ((?:\ba\.k\.a\.|[^.])+)-第1组：a.k.a.子字符串作为一个整字或除点以外的任何字符出现一次或多次

Answer 2

试试这个

(?<=\)\.)[\w\s\(\)]*(?=\.)

• (?<=\)\.)是一种查找后面的搜索，用于检查“）”前面是否有）
• [\w\s\(\)]*允许所有单词和空格字符以及（和）字符
• (?=\.)是一个用于检查chracter的前瞻性搜索

您可以测试它here