在字符串中搜索符合特定条件的子字符串

Question

这是我其他文章的延续：在特定条件下从字符串中提取数字

总而言之，我有一些字符串存储在数据框中，我想提取与所有条件匹配的第一个数字（如果存在）。条件如下：

• 数字不能在字符串的开头

• 它不能出现在单词“ No.”之后或单词“ Question”之后

• 该数字不能介于1960-2020之间

• 如果数字后面紧跟字母e，我想用它提取e

到目前为止，这是我找到的数字，它照顾了前两个条件：

for index, row in df.iterrows():
    test = re.search(r'(?!^)(?<!\bNo\.\s)(?<!\bQuestion\s)(\d+)(?!\d)',
                     row['name'])
    if test:
        df.loc[
            df['name'] == row['name'], ['id']] = test.group()

我也尝试过使用：

\b(?!196[0-9]\d|20[012][0])\d+\b

来计算不在1960年和2020年之间的数字，但这似乎行不通。我也不明白如何抓住e（如果存在）。

范例1：

"Trial No. 32819 Question 485 Article 787e"

我希望正则表达式返回

[787e]

范例2：

"2981 XYZ Legislature"

我希望正则表达式返回

None

示例3”

"Addendum217Null"

我希望正则表达式返回

[217]

在此先感谢您的帮助！

Answer 1

您可以使用

(?!^)(?<!\bNo\.\s)(?<!\bQuestion\s)(?<!\d)(?!(?:19[6-9][0-9]|20[01][0-9]|2020)(?!\d))(\d+(?!\d)e?)

见正则表达式演示

新的部分是(?<!\d)(?!(?:19[6-9][0-9]|20[01][0-9]|2020)(?!\d))(\d+(?!\d)e?)：

• (?<!\d) -当前位置的左边不允许有数字
• (?!(?:19[6-9][0-9]|20[01][0-9]|2020)(?!\d))-如果当前位置右侧的数字从1960到2020不紧跟数字，则匹配失败的否定前行
• (\d+(?!\d)e?)-第1组（您将提取的内容）：1+位数字，后跟数字和可选e字母