re.PatternError: nothing to repeat at position 0
Metodele .str.contains, .str.replace, .str.extract tratează textul căutat ca expresie regulată, iar caractere ca + * ? ( [ au sens special. Pentru o căutare de text simplu adaugă regex=False sau scapă caracterele cu re.escape().
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Multe metode .str din pandas (contains, match, extract, split cu tipar lung, count, uneori replace) primesc un tipar regex, nu un text simplu. În regex, +, *, ? înseamnă „repetă caracterul de dinainte”. Un tipar care începe cu + (de exemplu prefixul de telefon +40) nu are ce repeta, de unde „nothing to repeat at position 0” (poziția 0 = primul caracter).
Înrudite: ( fără pereche dă „missing ), unterminated subpattern”, [ fără pereche dă „unterminated character set”, ** dă „multiple repeat”. În versiunile de Python mai vechi de 3.13 excepția se numește re.error, cu același mesaj.
Caută în tipar caracterele speciale: . + * ? ( ) [ ] { } ^ $ | \.
De ce apare: cauzele frecvente
1Prefix de telefon căutat cu contains
df[df["telefon"].str.contains("+40")]df[df["telefon"].str.contains("+40", regex=False)]Cu regex=False textul e căutat exact cum l-ai scris, fără sensuri speciale.
2Text din variabilă cu caractere speciale
cautat = "C++ (avansat)"
df["curs"].str.contains(cautat)import re
cautat = "C++ (avansat)"
df["curs"].str.contains(re.escape(cautat))re.escape pune \ în fața caracterelor speciale, ca tiparul să caute textul ca atare.
3Tipar regex scris greșit
df["cod"].str.extract("*(\d+)")df["cod"].str.extract(r"(\d+)")Steluța trebuie să urmeze ceva de repetat. Aici voiai doar grupul de cifre.
Repară eroarea, direct în pagină
Codul de mai jos vrea să numere clienții cu număr de telefon scris cu prefixul +40, dar .str.contains dă re.PatternError: nothing to repeat at position 0. Repară căutarea ca să afișeze numele acestor clienți.
import pandas as pd
df = pd.DataFrame({
"client": ["Ana", "Dan", "Ioana", "Mihai"],
"telefon": ["+40 722 111 222", "0733 444 555", "+40 744 666 777", "0040 755 888 999"],
})
cu_prefix = df[df["telefon"].str.contains("+40")]
print(cu_prefix["client"].tolist())['Ana', 'Ioana']
Indiciu
Spune-i lui contains că textul nu e expresie regulată.
Reparația
import pandas as pd
df = pd.DataFrame({
"client": ["Ana", "Dan", "Ioana", "Mihai"],
"telefon": ["+40 722 111 222", "0733 444 555", "+40 744 666 777", "0040 755 888 999"],
})
cu_prefix = df[df["telefon"].str.contains("+40", regex=False)]
print(cu_prefix["client"].tolist())De ce merge
.str.contains tratează implicit textul ca expresie regulată, iar + la început înseamnă „repetă ce e înainte”, deși înainte nu e nimic. Cu regex=False caută exact textul +40. Îl găsesc doar numerele Anei și Ioanei; 0040 al lui Mihai nu conține +40.
Alte forme ale mesajului
re.error: nothing to repeat at position 0re.PatternError: missing ), unterminated subpattern at position 0re.PatternError: multiple repeat at position 2
Cum o eviți pe viitor
- Când cauți text simplu, scrie
regex=Falsela.str.containsși.str.replace. - Textele venite de la utilizatori sau din variabile le treci prin
re.escapedacă vrei regex. - Scrie tiparele regex ca șiruri brute:
r"\d+". - Testează tiparul pe un singur text cu
re.search(tipar, "exemplu")înainte să-l aplici pe coloană.
Întrebări frecvente
De ce .str.replace("+", "") merge la mine?
În pandas 2 și 3, .str.replace are implicit regex=False, deci tratează textul ca simplu. .str.contains, în schimb, are implicit regex=True.
Ce înseamnă position 0?
Poziția caracterului problematic în tipar, numărată de la 0. „position 0” înseamnă chiar primul caracter, de exemplu + din +40.
Erori înrudite
AttributeError: 'Series' object has no attribute 'split'. Did you mean: 'plot'? Ai apelat o metodă de text Python (split, lower, strip, replace pe bucăți de text) direct pe o coloană. Coloana nu e un text, ci o serie de texte: metodele de text se apelează prin .str, de exemplu df["nume"].str.split(). ValueError: Cannot mask with non-boolean array containing NA / NaN values Ai filtrat cu o mască făcută cu .str (de obicei str.contains) pe o coloană care are și valori lipsă sau numere: pe acele rânduri masca are NaN, nu True/False. Pune na=False: df[df["email"].str.contains("gmail", na=False)], sau convertește coloana în text înainte. AttributeError: Can only use .str accessor with string values, not integer Ai folosit o metodă .str (startswith, contains, upper, replace...) pe o coloană care nu e de tip text, aici una de numere întregi. Transformă întâi coloana în text cu astype(str), apoi aplică .str; sau, dacă e deja numerică, folosește operații numerice în loc de text. Învață Python pentru analiza datelor de la zero, cu exerciții la fiecare lecție
Curs Data Analysis with Python: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
