Python 在数据帧中使用正则表达式提取和替换子字符串

我有这个：

                                                Title  
Num                                                      
0    <span class="o-label--tiny">VALEUR ÉNERGÉTIQUE</span>   
1         <span class="o-label--tiny">PROTÉINES</span>   
2          <span class="o-label--tiny">GLUCIDES</span> 

<class 'pandas.core.frame.DataFrame'> Num Index(['Title'], dtype='object')

这是我开发的正则表达式：

(<span class=\"o-label--tiny\">)([a-zA-Z]+\s*\w*)(</span>)

试试第二个：

df['Title'] = df['Title'].str.replace('<span class=\"o-label--tiny\">', repl = '')

   Title  
Num                                                         
0     NaN  
1     NaN  
2     NaN

试试第三个：

df['Title'] = df[lambda df: df.columns[0]].str.extract('(>[a-zA-Z]+\s*\w*)', expand=False)

结果3：

   Title  
Num                                                         
0     NaN  
1     NaN  
2     NaN

我真的不知道我做错了什么，如果能帮我达到我想要的结果，我将不胜感激。谢谢大家!

使用：

正则表达式 我不想参与df，但我希望这是有用的：

import re

stringa = """
0    <span class="o-label--tiny">VALEUR ÉNERGÉTIQUE</span>
1         <span class="o-label--tiny">PROTÉINES</span>
2          <span class="o-label--tiny">GLUCIDES</span>
"""

pattern1 = "[0-9]"
pattern = ">(.*)<"

found = re.findall(pattern1, stringa)
found2 = re.findall(pattern, stringa)

for f in range(len(found)):
    print(found[f] + " " + found2[f])

---

我正要补充这一点作为评论。你编辑了它。我删除我的answer@jezrael当前位置我尝试了你的代码，但都不适用于我。我还是得到了NaN而不是正确的字符串？？我的字符串有什么不寻常的地方我没有考虑吗？@ChiChi-我不知道-可以通过pickle文件在我的电子邮件中向我发送你的真实数据吗

df['Title']]。to_pickle（'data.pkl'）

？@jezrael-是的，我会这样做。非常感谢您提供更详细的信息

df['Title'] = df[lambda df: df.columns[0]].str.extract('(>[a-zA-Z]+\s*\w*)', expand=False)

   Title  
Num                                                         
0     NaN  
1     NaN  
2     NaN

df['Title']=df['Title'].str.extract('<span class=\"o-label--tiny\">(.*)</span>',expand=False)
print (df)
                  Title
Num                    
0    VALEUR ÉNERGÉTIQUE
1             PROTÉINES
2              GLUCIDES

df['Title'] = df['Title'].str.extract('>(.*)<',expand=False)
print (df)
                  Title
Num                    
0    VALEUR ÉNERGÉTIQUE
1             PROTÉINES
2              GLUCIDES

import re

stringa = """
0    <span class="o-label--tiny">VALEUR ÉNERGÉTIQUE</span>
1         <span class="o-label--tiny">PROTÉINES</span>
2          <span class="o-label--tiny">GLUCIDES</span>
"""

pattern1 = "[0-9]"
pattern = ">(.*)<"

found = re.findall(pattern1, stringa)
found2 = re.findall(pattern, stringa)

for f in range(len(found)):
    print(found[f] + " " + found2[f])

0 VALEUR ÉNERGÉTIQUE
1 PROTÉINES
2 GLUCIDES