Totura's questions

Quero excluir o texto após "(trading as"). Minha expressão regular até agora está como abaixo. Tentei um look forward negativo (?!\s\(trading as)). Mas não está funcionando como esperado. Qualquer ajuda é bem-vinda.

import re
def extract_company_name(title):
    match = re.findall(r'\b[A-Z0-9-](?:[A-Z0-9 \t&.-](?:\s*\(\d+\))?)*(?:\b|(?<=\)))', title)
    return ','.join(match) if match else None
  
text = """TEST LIMITED (trading as FOO Limited) (in relation), TEST (2005) LTD, WINDING LIMITED (in liquidation)"""
print(extract_company_name(text))

Texto: TEST LIMITED (operando como FOO Limited) (em relação), TEST (2005) LTD, WINDING LIMITED (em liquidação)

Produção esperada: TEST LIMITED, TEST (2005) LTD, WINDING LIMITED

Tenho uma coluna no Pandas DataFrame(Nomes) com uma grande coleção de nomes. Tenho outra coluna de texto DataFrame(Título) e, entre os textos, os nomes no quadro Nome estão lá. Qual seria a maneira mais rápida de extrair nomes correspondentes do Título? A imagem abaixo mostra meu trabalho até agora, e é muito lento para o grande conjunto de dados atual.

import pandas as pd
import re

Names = pd.DataFrame({
    'ENTITY_NAME': ['XYZ', 'ABC', 'NGA', 'METRO','DPAC']
})

Titles = pd.DataFrame({
    'title': ['testing some text XYZ testing some text.',
              'XYZ, ABC some random text',
              'some text DPAC random random']
})

# Function to extract ENTITY_NAME if found in title
def extract_entity_name(title, entity_names):
    pattern = '|'.join([r'\b' + re.escape(entity) + r'\b' for entity in entity_names])
    matches = re.findall(pattern, title)
    return ', '.join(matches)
  



Titles['extracted_entity_name'] = Titles['title'].apply(lambda x: extract_entity_name(x, Names['ENTITY_NAME'].tolist()))

display(Titles.head())

Estou tentando extrair o texto desejado de um conjunto de texto fornecido. Criei a função abaixo.

   def extract_name(title):
        matches = re.findall(r'\b[A-Z0-9\s&.,()-]+(?:\s*\(\d\))?\b', title)
        return ', '.join(matches) if matches else None

Mas, ele produz indesejados (, ,para alguns títulos. Por exemplo, meus títulos são como abaixo.

THETA COMMERCIALS (2005) LIMITED, TEST CONNECTIONS LTD (In Relation), NANO CARE LIMITED (In Relation)

Resultado esperado:THETA COMMERCIALS (2005) LIMITED, TEST CONNECTIONS LTD, NANO CARE LIMITED