Python 如何从Pandas数据帧中提取正则表达式并将其与re.findall一起使用

我的问题始于我将所有正则表达式存储在一个HDF5文件中，然后试图通过dataframe提取它们

主要问题是存储在pandas dataframe中的正则表达式不能与re.findall一起正常工作。更糟糕的是，我在正则表达式中使用了阿拉伯语Unicode

为了简化问题，我提供以下示例：

假设变量中存储了以下文本：

mytext = 'الفئران هم حيوانات غير معمرة لأن معدل استقلابهم مرتفع وضربات قلبهم سريعة'

让我们使用以下正则表达式：

pattern_they = r'([\u0621-\u064a]+\u0647\u0645|\b\u0647\u0645)\b'

如果我们使用printre.findallpattern_they，mytext代码，我们将得到三个元素的列表：

['هم', 'استقلابهم', 'قلبهم']

现在，如果我们创建一个新的模式，其中包括模式_，它们用双引号括起来：

pattern_they_new = "r'([\u0621-\u064a]+\u0647\u0645|\b\u0647\u0645)\b'"

然后在printre.findallpattern中使用这个模式，如果它们是新的mytext，我们会得到一个不正确的空列表

这里的问题是，我从pandas数据框架中提取的所有正则表达式都用双引号包装，就像pattern_they_new一样。我在存储正则表达式时没有添加双引号；当我从panda数据框中提取它们时，它们会自动添加

我试图在不使用r'…'的情况下存储正则表达式，但在使用re.findall时也不起作用

我如何解决这个问题

注意：这个问题是之前提出的另一个问题的后续问题：

---

对不起，我发现阿拉伯语很难阅读，因此很难调试。一般来说，你可以做如下事情：

import re

mytext = "lorem ipsum dolor sit amet"

pattern = r'\b(ipsum)\b'
rx_new = r'{}'.format(pattern)

print(re.findall(rx_new, mytext))

这将正确地产生['ipsum']。

---

您还需要在此处添加原始标志。问题是：为什么？

我找到了解决问题的方法，可以总结如下：

我试图在HDF5中存储正则表达式，但没有用r“…”包装它们，但是当我通过pandas dataframe从HDF5中提取它们时，它们没有被视为原始字符串，因此我无法在re.findall中使用它们。相反，我使用了双转义反斜杠，如下所示：

pattern_they = '([\\u0621-\\u064a]+\\u0647\\u0645|\\b\\u0647\\u0645)\\b'

然而，当我从pandas数据帧中提取正则表达式时，我得到了如下结果：

pattern_they_imported ='([\\\\u0621-\\\\u064a]+\\\\u0646\\\\u0627|\\\\b\\\\u0646\\\\u062D\\\\u0646)\\\\b'

因此，我使用replace替换为re.findall，这很有效！我得到了一个包含三个元素的列表，正如我在上面的问题帖子中所解释的，这是正确的：

print(re.findall(pattern_they_imported.replace('\\\\', '\\'), mytext))

---

我想知道为什么在我从pandas数据帧提取的正则表达式中，双转义反斜杠变成了四转义反斜杠。无论如何，我的解决方案是有效的，这对我来说是最重要的。

在执行正则表达式之前删除数据帧中的所有双引号是否有问题？有必要吗？嗨，爱德基，我不加双引号。它们是在我将regex存储在dataframe中时添加的。因此，在执行re.findall之前，请使用replace方法删除包含此数据的列/列表中的所有双引号。我尝试了replace方法，但没有成功。您可以发布脚本而不是部分脚本吗？如果不显示代码，就不可能知道您是否正确执行了任何操作。谢谢您的帮助。当我从pandas dataframe读取正则表达式时，实际上得到了如下结果：pattern=r'\bipsum\b'。这就是我提出问题的原因。现在，如果在代码中使用带有双引号的新模式，re.findall将不会给出正确的结果。换句话说，当我从pandas dataframe读取正则表达式时，我并没有得到一个原始字符串，但我得到一个普通字符串，其中包含r'作为字符。