re.search匹配结果不完整求助：提取DataFrame完整描述文本

问题 #

我有一个包含多列文本的DataFrame，尝试在Text列中使用带通配符的正则表达式搜索子串，并将结果存入新列。目前能匹配到结果，但返回的不是完整字符串。

示例代码如下：

import pandas as pd
import re

df = pd.DataFrame(
    {
        'Col1': ['Some data 1', 'Some data 2', 'Some data 3'],
        'Col2': ['More data 1', 'More data 2', 'More data 3'],
        'Text': ['ID:12345;Description: This is a long piece of text containting some information I want to search for;Status=off;',
                    'Description: This is a another long piece of text containting some different information I want to search for;ID:abcde;Status=on;',
                    'Status=unknown;ID:abcde;Description: And this is a third piece of long piece of text which I want to search for;']
    }
)

尝试的代码：

df['Description'] = df['Text'].apply(lambda x: re.search('Description: (.*?);',x))

得到的结果中，re.Match对象的匹配内容被截断，并非完整的描述文本，请问哪里操作错误？

解决方法 #

你的问题有两个核心原因：

• 未提取匹配到的实际内容：re.search()返回的是Match对象，不是直接的字符串结果。直接将这个对象存入DataFrame列，显示时只会展示对象的简略信息，而非捕获到的描述文本。必须调用.group(1)来提取正则表达式中括号捕获组的内容。
• 冗余的非贪婪匹配（可选优化）：虽然.*?能工作，但用[^;]*匹配所有非分号字符更高效，因为它不需要回溯，直接定位到下一个分号为止。

修正后的代码 #

简洁写法

df['Description'] = df['Text'].apply(
    lambda x: re.search(r'Description: ([^;]*);', x).group(1) if re.search(r'Description: ([^;]*);', x) else None
)

更高效的写法（避免重复调用正则）

def get_description(text):
    match_result = re.search(r'Description: ([^;]*);', text)
    return match_result.group(1) if match_result else None

df['Description'] = df['Text'].apply(get_description)

运行后，df['Description']列将完整存储提取出的描述文本，不会出现截断问题。如果文本中不存在Description:字段，该列会填充None，避免报错。

内容的提问来源于stack exchange，提问作者Brandts