Python 正则表达式提取完整捕获组

我试图提取URL，但我只得到最后一部分，如“com”，而不是完整的“amazon.com”或“google.com”。我正在使用以下正则表达式：

data = [['website is amazon.com'], ['url is google.com']] 
reviews = pd.DataFrame(data, columns = ['ALL_TEXT']) 
reviews['regex_match'] = reviews['ALL_TEXT'].str.extract(r'[^@A-Z][-A-Z0-9:%_\+~#=]+\.(CO|COM|NET|ORG|GOV)\b', flags=re.IGNORECASE)

我试着在整个正则表达式中使用一个捕获组

reviews['regex_match'] = reviews['ALL_TEXT'].str.extract(r'([^@A-Z][-A-Z0-9:%_\+~#=]+\.(CO|COM|NET|ORG|GOV)\b)', flags=re.IGNORECASE)

但是我得到了错误

Wrong number of items passed 2, placement implies 1

---

该错误意味着您正在将

Series.str.extract

的结果分配到单个列（

reviews['regex\u match']

），但您的正则表达式包含两个捕获组，即您告诉它返回两列

你可以用

---

>>查看['ALL_TEXT'].str.extract（r'（？由于传递了2个捕获组，因此出现该错误。可以使用非捕获组对扩展使用
（？：
），对完整模式使用单个捕获组

([^@A-Z][-A-Z0-9:%_+~#=]+\.(?:COM?|NET|ORG|GOV))\b
                           |__________________|
                             Non capture group
|______________________________________________|
                  Capture group

更新后的代码可能看起来像

reviews['regex_match'] = reviews['ALL_TEXT'].str.extract(
    r'([^@A-Z][-A-Z0-9:%_+~#=]+\.(?:COM?|NET|ORG|GOV))\b',
    flags=re.IGNORECASE
)

输出

                ALL_TEXT  regex_match
0  website is amazon.com   amazon.com
1      url is google.com   google.com