Python-从DataFrame中的文本变量中提取特定的文本部分

Question

我正试图从我的"文本"；变量，需要一些帮助！

我有当前的DataFrame:

file_path>	文件名	文本
/Users/user/Dropbox/SEC调查	_0000886982_18795_2687.txt	0000950123-11-059690.txt:20110…
/Users/user/Dropbox/SEC调查	_0001068875_16706-4152.txt	0001193125-05-191846.txt:20050…

您可以使用

pattern = r'bItems+5.02s*([wW]*?)(?=s*(?:Items+[89].01|SIGNATURES)b)'
pd_00['important_text'] = pd_00['text'].str.findall(pattern)

如果你需要每个记录一个匹配：

pattern = r'bItems+5.02s*([wW]*?)(?=s*(?:Items+[89].01|SIGNATURES)b)'
pd_00['important_text'] = pd_00['text'].str.extract(pattern, expand=False)

请参阅regex演示。

详细信息：

• b-字边界
• Item-一个固定字
• s+-一个或多个空白
• 5.02-5.02字符串
• s*-零个或多个空白
• ([wW]*?)-组1：零个或多个尽可能少的字符
• (?=s*(?:Items+[89].01|SIGNATURES)b)-一个积极的前瞻性，需要(立即在当前位置的右侧(：
  • s*-零个或多个空白
  • (?:Items+[89].01|SIGNATURES)-Item，一个或多个空白，8或9，然后是.01或SIGNATURES
  • b—字边界