re.split（）的问题，从字符串中提取数据（分开字符串）

Question

我一直在尝试将此字符串分开，但它只给了我想要的用户名的最后一个字符。例如

在此数据集中，我想将用户名与实际消息分开，但是执行此代码后 -

#how can we separate users from messages 
users = []
messages = []
for message in df['user_message']:
    entry = re.split('([a-zA-Z]|[0-9])+#[0-9]+\\n', message)
    if entry[1:]:
        users.append(entry[1])
        messages.append(entry[2])
    else:
        users.append('notif')
        messages.append(entry[0])
        
df['user'] = users
df['message'] = messages
df.drop(columns=['user_message'], inplace = True)

df.head(30)

我只能获取

有人可以告诉我，为什么它只给我我想拆分的字符串的最后一个字符以及如何修复它？多谢。这意味着很多

Answer 1

分裂并不是您在这里想要的字符串操作。相反，只需直接在user_message列上使用str.stract：

df["username"] = df["user_message"].str.extract(r'^([^#]+)')

上面的逻辑将从一开始就提取用户消息的主要部分，直到到达第一个哈希符号。

Answer 2

您只需使用string.split（）并将maxsplit设置为1。请参见下面的示例。

请注意，Regex非常有用，但是很容易获得错误的结果。如果您确实需要使用它，我建议使用在线正则验证器。至于实际的正则表达式，您的+位于错误的位置。您需要将其移入小组中。我使用 regex101.com 进行测试...

([a-zA-Z0-9]+)#[0-9]+\\n

string.string.split（）示例：示例：

line = "keikeo#2720\nAdded a recipient.\n\n\n"

user, message = line.split('\n', maxsplit=1)
print(user)
print(message)