如何从重复的参考文本列中提取日期与金额

需要从包含重复参考文本的列中，提取Date、Due Date和Amt到单独列，单条参考文本格式为：

SIInv:HI-24-SIN-SOH-00948 Date: 12 Mar 2024 Due Date: 04 Jul 2024 Amt: 50.00

方法一：Excel函数实现 #

如果用Excel处理，可通过TEXTBEFORE+TEXTAFTER组合提取字段，适配单条或多条重复条目场景：

提取单个条目字段 #

假设参考文本在A1单元格：

• 提取Date：

  =TRIM(TEXTAFTER(TEXTBEFORE(A1," Due Date"),"Date: "))
  

• 提取Due Date：

  =TRIM(TEXTAFTER(TEXTBEFORE(A1," Amt"),"Due Date: "))
  

• 提取金额（Amt）：

  =TRIM(TEXTAFTER(A1,"Amt: "))
  

处理同一行的多个重复条目 #

若同一行包含多个参考文本，先拆分条目再批量提取：

1. 拆分所有独立参考段：

   =TEXTSPLIT(A1, "SIInv:", , TRUE)
   

   拆分后会自动过滤空值，得到每个单独的参考文本片段
2. 对每个拆分后的单元格，套用上面的单个字段提取公式即可。

方法二：Python（Pandas）批量处理 #

针对大数据量场景，用Pandas结合正则表达式可高效批量提取：

import pandas as pd
import re

# 示例数据，替换为你的实际数据
df = pd.DataFrame({
    'Reference': [
        'SIInv:HI-24-SIN-SOH-00948 Date: 12 Mar 2024 Due Date: 04 Jul 2024 Amt: 50.00',
        'SIInv:AB-24-XYZ-00123 Date: 05 Apr 2024 Due Date: 05 Aug 2024 Amt: 120.50 SIInv:CD-24-DEF-00456 Date: 10 May 2024 Due Date: 10 Sep 2024 Amt: 75.00'
    ]
})

# 正则规则，精准捕获日期和金额格式
match_pattern = r'Date: (\d{2} \w{3} \d{4}) Due Date: (\d{2} \w{3} \d{4}) Amt: (\d+\.\d{2})'

# 提取所有匹配条目，自动拆分重复内容
extracted_data = df['Reference'].str.extractall(match_pattern)
# 给列命名
extracted_data.columns = ['日期(Date)', '到期日(Due Date)', '金额(Amt)']

# 重置索引并合并原数据（可选，保留原始参考列）
final_result = extracted_data.reset_index(level=1, drop=True).join(df)
print(final_result)

这段代码会自动识别同一行中的所有参考条目，将每个条目的日期和金额拆分为独立行，便于后续分析或导出。

内容的提问来源于stack exchange，提问作者Mohamed Rizmi