如何使用更优雅的正则表达式（含Pandas正则前瞻后顾）提取Python字符串指定内容？

我来帮你搞定这个问题！你的需求是从给定的文件名中提取最后一个下划线之后、.xlsx后缀之前的内容，我们可以用一个简洁的正则表达式完美替代你原来的分步拆分写法。

需求回顾 #

你需要处理的文件名示例：

• "1234_4534_41247612_2462184_2131_GHI.xlsx"
• "1234_4534__sfhaksj_DHJKhd_hJD_41247612_2462184_2131_PQRST.GHI.xlsx"
• "12JSAF34_45aAF34__sfhaksj_DHJKhd_hJD_41247612_2f462184_2131_JKLMN.OPQ.xlsx"
• "1234_4534__sfhaksj_DHJKhd_hJD_41FA247612_2462184_2131_WXY.TUV.xlsx"

核心要求：
a) 提取目标内容中第一个点（.）前后的字符；
b) 目标内容始终位于最后一个下划线（_）之后；
期望输出：

GHI
PQRST.GHI
JKLMN.OPQ
WXY.TUV

正则表达式解决方案 #

我们可以使用这个精准的正则模式：r'_([^_]+)\.xlsx$'

模式细节解释：

• _：自动定位到文件名中的最后一个下划线（因为后续的[^_]+会匹配所有非下划线字符，自然会锁定到最后一个下划线的位置）
• ([^_]+)：捕获组，匹配下划线之后的所有非下划线字符（这正是你需要的关键词部分，包含其中的点）
• \.xlsx$：匹配结尾的.xlsx后缀，确保我们只截取到这个后缀之前的内容

Python代码实现 #

用re.search提取捕获组内容，代码简洁且逻辑清晰：

import re

strings = [
    "1234_4534_41247612_2462184_2131_GHI.xlsx",
    "1234_4534__sfhaksj_DHJKhd_hJD_41247612_2462184_2131_PQRST.GHI.xlsx",
    "12JSAF34_45aAF34__sfhaksj_DHJKhd_hJD_41247612_2f462184_2131_JKLMN.OPQ.xlsx",
    "1234_4534__sfhaksj_DHJKhd_hJD_41FA247612_2462184_2131_WXY.TUV.xlsx"
]

pattern = r'_([^_]+)\.xlsx$'
for s in strings:
    match_result = re.search(pattern, s)
    if match_result:
        print(match_result.group(1))

运行后会直接输出你想要的结果：

GHI
PQRST.GHI
JKLMN.OPQ
WXY.TUV

为什么这个写法更优雅？ #

• 一步到位：无需多次拆分字符串，一个正则就完成定位与提取
• 鲁棒性强：不管文件名前半段有多少下划线或特殊字符，只要结构符合..._关键词.xlsx就能精准匹配
• 代码更简洁：减少中间变量操作，逻辑一目了然

内容的提问来源于stack exchange，提问作者The Great