如何将带编号的提取字符串转换为指定格式的Pandas DataFrame？

已提取字符串如下：

extractedString = "1) No structured exercise.

2) Above ideal body Mass index.

3) Cancer gene testing.

4) Suboptimal vitamin D.

5) Slight anaemia."

需要将其转换为指定格式的Pandas DataFrame，最终输出如下：

0
0       No structured exercise
1  Above ideal body Mass index
2          Cancer gene testing
3         Suboptimal vitamin D
4               Slight anaemia

最优实现方式 #

方法1：正则匹配提取（适配性最强） #

用正则精准提取每个条目的核心内容，不受序号格式、空格变化的影响，代码如下：

import pandas as pd
import re

extractedString = "1) No structured exercise.\n\n2) Above ideal body Mass index.\n\n3) Cancer gene testing.\n\n4) Suboptimal vitamin D.\n\n5) Slight anaemia."

# 匹配规则：跳过数字+括号，提取到末尾句号前的文本
pattern = r'\d+\s*\)\s*(.*?)\.'
items = re.findall(pattern, extractedString)

# 转为DataFrame
df = pd.DataFrame(items, columns=[0])
print(df)

说明：正则表达式\d+\s*\)\s*(.*?)\.会自动处理：

• 序号后的空白字符
• 条目末尾的句号
• 不同长度的序号数字

方法2：分割字符串清理（格式固定时更高效） #

如果字符串格式完全统一，可通过分割+文本清理快速处理，代码如下：

import pandas as pd

extractedString = "1) No structured exercise.\n\n2) Above ideal body Mass index.\n\n3) Cancer gene testing.\n\n4) Suboptimal vitamin D.\n\n5) Slight anaemia."

# 按换行分割，过滤空行后逐个清理内容
items = [line.split(')', 1)[1].strip().rstrip('.') 
         for line in extractedString.split('\n') 
         if line.strip()]

df = pd.DataFrame(items, columns=[0])
print(df)

说明：

1. split('\n')拆分所有行，if line.strip()过滤空行
2. split(')', 1)[1]按第一个括号拆分，取后半段内容
3. strip()去掉前后空白，rstrip('.')移除末尾句号

两种方法都能得到目标结果，正则法更适合格式有变动的场景，分割法在格式固定时执行效率更高。

内容的提问来源于stack exchange，提问作者WhoamI