数字的正则表达式findall

Question

我试图提取嵌入文本中的6位数字。数字总是以0开头，长度总是6位数，在第4位数后用句点隔开，如下所示：

0 0133.02[text] in location [texttext](text) numbers 1 0121.08[text] in location [texttext](text) numbers ...

我运行以下内容：

import re filtered = re.findall("0\d\d\d[.]\d\d", str(df['col']))

共有478行要解析，每行都包含所述数字。但是，filtered结果只输出60，即使我更改了regex格式。有趣的是，filtered似乎主要由478行的第一行和最后几行的数字组成，但不是中间的数字？在

编辑： 我提取了有效行和不工作行，发现有效的行是前30行和后30行（0-29448-477）。在

以下是不工作的行的示例（446447）： 446 0005.00 [CT] in Vancouver [CMA] (B.C.) 44160 447 0170.05 [CT] in Vancouver [CMA] (B.C.) 44006

还有一个行的示例（448449）： 448 0050.04 [CT] in Vancouver [CMA] (B.C.) 43995 449 0067.01 [CT] in Vancouver [CMA] (B.C.) 43989

Answer 1

这些东西可以帮助你解决这个问题。我会删除这个，因为它不是一个答案。在

import re
import pandas as pd

data = dict(col=['texttexttext 0036.01 texttext','texttexttext 0006.21 texttext'])
df = pd.DataFrame(data)

re.findall("0\d{3}\.\d{2}", str(df['col'])) #Simplified your regex

有效地创造：

^{pr2}$

试试这个怎么样：

re.findall("0\d{3}\.\d{2}",' '.join(df['col'].tolist()))

如果中间行不起作用，提取一个样本，并与我们分享：

print('\n'.join(df['col'][200:220].tolist()))