如何使用正则表达式提取数据，而不是后面跟pandas

Question

我只想提取年份，但不是数字。我如何定义后面不跟XXX？在

我做了下面的例子，但是结果总是比我预期的多。在

text = ["hi2017", "322017"]
text = pd.Series(text)
myPat = "([^\d]\d{4})"

res = text.str.extract(myPat)
res

然后我得到了结果：

^{pr2}$

其实，我只想得到“2017”，而不是“i2017”，我怎么办？在

不应提取“322017”，因为它不是一年，而是一个数字

Answer 1

您需要4位数字，其中第一位数字是1或2。这意味着1000到2999之间的所有数字，包括在内。在

它的正则表达式是：(1[0-9]{3})|(2[0-9]{3})

这将得到1000到2999之间的所有数字，包括一个字符串。在

在您的例子中，hi2017将产生{}。另外，322017将产生{}。根据你的定义，今年也是有效的一年。在

Answer 2

据我所知，你只需要年份，定义为4位数后接非数字。在

"(?:[a-z]+)(\d{4})$"适合我。（这意味着4位数字后跟多个字符，这4位数字是字符串的最后一个字符）

text = ["hi2017", "322017"]
text = pd.Series(text)
myPat = "(?:[a-z]+)(\d{4})$"

res = text.str.extract(myPat)

输出：

^{pr2}$

Answer 3

试试看：

(?<!\d)(\d{4})(?!\d)

它将于2017年回归，几乎完全基于@PauloAlmeida的评论