使用Pandas str.extract正则拆分文本列失败，请求错误排查及解决方案
2026-4-27
问题描述
我需要将DataFrame中名为Text列的内容按—（中文破折号）拆分为两列Text1和Text2，原始数据如下：
Text 19 hours ago — Catch up on key developments an... 8 hour ago — Catch up on key developments an... 10 minutes ago — Catch up on key developments an... 1 day ago — Catch up on key developments an...
预期拆分后的结果：
Text1 Text2 19 hours ago Catch up on key developments an... 8 hour ago Catch up on key developments an... 10 minutes ago Catch up on key developments an... 1 day ago Catch up on key developments an...
我尝试了以下代码，但没有生效：
df[['Text1', 'Text2']] = df['Text'].str.extract(r"(\d+ \w+, \d{5})?\s*\—?\s*(.*)", expand=True)
希望有正则使用经验的朋友帮忙指出错误并提供解决方案。
解决方案
嘿，我来帮你排查这个问题～你的正则表达式和数据完全不匹配，所以才没生效，咱们一步步来：
先说说你代码里的问题
你写的正则r"(\d+ \w+, \d{5})?\s*\—?\s*(.*)"完全没贴合你的数据格式：
- 第一个分组
(\d+ \w+, \d{5})是在匹配类似12 abc, 12345的格式，但你的时间是19 hours ago这种结构，根本对不上； - 你把分隔符
—设成了可选（?），但你的每条数据里都有这个破折号，完全没必要； - 整体逻辑和你要拆分的目标完全偏离，自然提取不到正确内容。
给你两种靠谱的解决方案
方法1：用str.split（更简单高效，推荐）
因为你的数据是明确用**中文破折号—**分隔的，直接用split就够了，不用搞复杂的正则：
df[['Text1', 'Text2']] = df['Text'].str.split(r"\s*—\s*", expand=True, n=1)
\s*—\s*：自动忽略分隔符前后的空格，保证拆分出来的Text1和Text2没有多余空白；n=1：只拆分一次，就算后面的描述里出现破折号也不会被误拆。
方法2：用str.extract（正则方式）
如果你一定要用正则提取，那得写个贴合数据的正则：
df[['Text1', 'Text2']] = df['Text'].str.extract(r"(.*?)\s*—\s*(.*)", expand=True)
(.*?)：非贪婪匹配破折号之前的所有内容（也就是你的时间部分）；\s*—\s*：匹配分隔符和前后的空格；(.*)：匹配破折号之后的所有内容（也就是描述部分）。
随便选一种方法运行，就能得到你想要的拆分结果啦～
内容的提问来源于stack exchange，提问作者V_sqrt
相关产品推荐
相关产品推荐
