正则提取引号前长词首字母缩写与引号内容，适配DataFrame通用处理

核心思路 #

通过正则拆分字符串为引号前的文本和引号内的内容两部分，再对前缀文本筛选长度大于3的单词，提取首字母拼接成大写缩写，最后按指定格式组合结果。

正则模式 #

使用非贪婪匹配捕获目标内容：

(.*?)"(.*?)"

• (.*?)：非贪婪匹配任意字符，分别捕获引号前的全部文本（第一组）和引号内的内容（第二组）
• "：匹配HTML转义的双引号（对应原字符串中的"转义形式）

Python实现代码 #

import re
import pandas as pd

def process_string(s):
    # 匹配并拆分字符串
    match_result = re.match(r'(.*?)"(.*?)"', s)
    if not match_result:
        return ""
    prefix, quoted = match_result.groups()
    # 生成首字母缩写：筛选长度>3的单词，取首字母大写拼接
    acronym = ''.join([word[0].upper() for word in prefix.split() if len(word) > 3])
    # 返回指定格式的结果
    return f"{quoted}, {acronym}"

# 测试单个字符串
string1 = 'Department of the Federal Treasury "IFTS No. 43"'
string2 = 'Federal Treasury Company "Light-8"'
print(process_string(string1))  # 输出: IFTS No. 43, DFT
print(process_string(string2))  # 输出: Light-8, FTC

# DataFrame批量处理示例
df = pd.DataFrame({
    'raw_text': [string1, string2, 'Small Test "Sample-45"']
})
df['processed_text'] = df['raw_text'].apply(process_string)
print(df)

代码说明 #

1. 正则匹配：确保准确拆分出前缀文本和引号内的内容，兼容字符串前后无多余字符的场景
2. 缩写生成：通过列表推导式快速筛选长单词并提取首字母，自动转为大写
3. 批量处理：利用Pandas的apply方法，直接对DataFrame列进行批量转换

内容的提问来源于stack exchange，提问作者broncaeux