Python 在pandas'中捕获组的正则表达式的预期行为`str.extract（）`

我试图掌握正则表达式，我遇到了

str.extract

方法中包含的正则表达式：

movies['year']=movies['title'].str.extract('.*\((.*)\).*',expand=True)

它应该检测并提取括号中的任何一个。因此，如果给定这个字符串：

foobar（1995）

它应该返回

1995

。但是，如果我打开一个终端并键入以下内容

echo 'foobar (1995)` | grep '.*\((.*)\).*'

---

匹配整个字符串，而不是仅匹配括号之间的内容。我假设该方法使用BRE flavor，因为括号是scaping，grep（默认行为）也是如此。此外，蓝色和绿色分别代表整个字符串和年份（捕获组）。我是不是遗漏了什么？正则表达式在python中工作得非常好首先，Pandas的行为是意料之中的：它只返回捕获组的内容。与

extract

一起使用的模式至少需要一个捕获组：

pat:string

带有捕获组的正则表达式模式

如果使用命名的捕获组，则新列将以命名组的名称命名

您提供的

grep

命令可以简化为

grep '\((.*)\)'

由于

grep

能够部分匹配一行（不需要完整的行匹配），并且在每行的基础上工作：一旦找到匹配项，则返回整行。要覆盖该行为，可以使用

-o

开关

使用

grep

，您无法返回捕获组内容。这可以通过带有

-P

选项的PCRE regexp解决，但例如，它在Mac上不可用

sed

或

awk

在这些情况下也可能有帮助。

尝试使用以下方法：

movies['year']=movies['title'].str.extract（'.\（\d{4}）\）.*，expand=False）

• 如果希望它返回数据帧或应用多个捕获组时，请设置expand=True
• 一年总是由4位数字组成。因此正则表达式：\（\d{4}）\匹配括号之间的任何日期

---

默认情况下，GRIP返回与您的模式匹配的行。因此，请注意：如果您在MaCOSX上，IIRC，<代码> GRP由于删除-p选项而被禁用。我确实忘记了<代码> GRP返回匹配的行，如果我的答案在下面回答您的问题，请考虑接受/接受。否则，请发表评论，详细说明您仍需澄清的内容。