正则表达式找到数字

Question

我正在尝试提取嵌入在文本中的6位数字。数字始终以零开头，总是6位数字，以第4位后面的句点分隔，如下所示：

0       0133.02[text] in location [texttext](text)      numbers
1       0121.08[text] in location [texttext](text)      numbers
...

我执行以下操作：

import re
filtered = re.findall("0\d\d\d[.]\d\d", str(df['col']))

有478行要解析，每行包含所述数字。然而，即使我更改正则表达式格式，filtered结果也只输出60。有趣的是，filtered似乎主要由478行的第一行和最后几行的数字组成，但不是来自中间？

编辑：我提取了工作与不工作的行，发现那些工作的行是第一行和最后30行（0-29,448-477）。

以下是不起作用的行的示例（446,447）：

446      0005.00 [CT] in Vancouver [CMA] (B.C.)        44160
447      0170.05 [CT] in Vancouver [CMA] (B.C.)        44006

并且有效的行样本（448,449）：

448      0050.04 [CT] in Vancouver [CMA] (B.C.)        43995
449      0067.01 [CT] in Vancouver [CMA] (B.C.)        43989

Answer 1

这些是帮助您解决这个问题的一些方法。我将删除它，因为它不是一个答案。

import re
import pandas as pd

data = dict(col=['texttexttext 0036.01 texttext','texttexttext 0006.21 texttext'])
df = pd.DataFrame(data)

re.findall("0\d{3}\.\d{2}", str(df['col'])) #Simplified your regex

有效地创造：

['0036.01', '0006.21']

尝试这个怎么样：

re.findall("0\d{3}\.\d{2}",' '.join(df['col'].tolist()))

如果中间行不起作用，请提取样本，例如，并与我们分享：

print('\n'.join(df['col'][200:220].tolist()))