python - Pandas 的str.extract()中带有捕获组的正则表达式的预期行为

我试图了解正则表达式，但遇到了str.extract方法中包含的一个正则表达式:

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，如果给出以下字符串:foobar (1995)，则应返回1995。但是，如果我打开终端并输入以下内容

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

与整个字符串匹配，而不是仅匹配括号之间的内容。由于括号的作用，我认为该方法适用于BRE风格，因此grep(默认行为)也是如此。另外，regex将整个字符串匹配为蓝色，将年份(捕获组)匹配为绿色。我在这里想念什么吗？正则表达式在python内完美工作

最佳答案

首先，Pandas .str.extract() 的行为是可以预料的:它仅返回捕获组的内容。 extract使用的模式至少需要1个捕获组:

pat : string 具有捕获组的正则表达式模式

如果使用命名捕获组，则新列将以命名组命名。

您提供的grep命令可以简化为

grep '\((.*)\)'

因为grep能够部分匹配一行(不需要完全匹配行)，并且可以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，您无法返回捕获组的内容。可以使用带有-P选项的PCRE regexp来解决此问题，但是例如在Mac上不可用。 sed或awk在这些情况下也可能会有所帮助。

关于python - Pandas 的str.extract()中带有捕获组的正则表达式的预期行为，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/57718728/