如何编写Python正则表达式匹配整数与分数以拆分Pandas列文本

问题分析 #

你的文本行结构包含两种核心模式：开头是整数或分数，中间是物品描述，接着是带$或不带$的数字，部分行末尾还有额外物品。之前的正则错误在于强制捕获三个数字组，但实际每行仅包含两个核心数值（开头的数量、后面的数字），导致匹配失败。

调整后的正则表达式 #

使用以下正则可匹配所有行的整数、分数及数字：

^(\d+(?:\/\d+)?) \s*(.*?) \s*\$?(\d+)\s*(.*)?$

正则细节解释

• (\d+(?:\/\d+)?)：捕获开头的数量，支持整数（如2、5）和分数（如9/10），(?:\/\d+)是可选非捕获组，专门匹配分数结构
• \s*：匹配任意数量的空白字符，兼容不同的空格间距
• (.*?)：非贪婪匹配第一个物品的描述文本（如Table、Chairs）
• \$?：匹配可选的$符号，适配第一行的$75格式
• (\d+)：捕获后面的数字（如75、875）
• (.*)?：可选捕获末尾的额外物品（如Teabags、Dishwasher tablets）

Pandas代码示例 #

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'text': [
        '2 Table $75',
        '5 Chairs 875 Teabags',
        '9/10 gel 125 Dishwasher tablets'
    ]
})

# 拆分文本到多列
df[['quantity', 'item1', 'number', 'item2']] = df['text'].str.extract(r'^(\d+(?:\/\d+)?) \s*(.*?) \s*\$?(\d+)\s*(.*)?$')

print(df)

最终输出结果 #

内容的提问来源于stack exchange，提问作者Dan