Python 如何提取关键字和日期前后的文本

我想将作者姓名、域和日期从数据框列中分离出来

当 .split（“in”） 很好地分离了左边的作者姓名，我还想分离域名和日期，这不是通过一个空格符号分开

从导入数据帧
Cars={'Details'：['Daniel Jacobs in HackeMoon.com 2017年7月31日'，'Wil Zelk in WebsiteAb.deJan 28'，'Wil Zelk in anotherwebsite.chJan 28，2019']，
}
df=数据帧（车辆，列=['Details']）
打印（df）

---

您可以结合正则表达式尝试

DataFrame.str.extract

：

df['Details'].str.extract(r'(?P<author>.*?) in (?P<url>.*)(?P<date>[A-Z].*)', expand=True)

为了分离字符串，我使用以下假设：

• 名称和url之间用“in”分隔
• 日期的第一个字符（仅第一个字符）是大写字母（因此字符串中的最后一个大写字符标记日期部分的第一个字符）

---

反响很好。非常感谢您抽出时间。你的假设是正确的，而且效果很好。你也可以在一些情况下帮助我，这些情况下并不总是有一个url。因此，在以下情况下：

python Cars={'Details'：['Daniel JacobsJul 31，2017'，'Wil Zelk in websiteab.deJan 28'，'Wil Zelk in anotherwebsite.chJan 28，2019']，}df=DataFrame（Cars，columns=['Details']）print（df

只要每行中都有日期，

df['Details'].str.extract（r'（？P.*？：in）{0,1}（？P\S*？）\S*（？P[A-Z][^A-Z]*？$），expand=True）

。url模式中的

\S*

只是使用了一个事实，url通常不包含空格（它匹配除空格以外的所有字符）。同样，您的答案非常有用！

df['Details'].str.extract(r'(?P<author>.*?) in (?P<url>.*)(?P<date>[A-Z].*)', expand=True)

          author                url          date
0  Daniel Jacobs      HackeMoon.com  Jul 31, 2017
1       Wil Zelk      websiteabc.de        Jan 28
2       Wil Zelk  anotherwebsite.ch  Jan 28, 2019