如何修正Pandas提取字符串列信息时结果带列表括号的问题？

问题背景 #

我有一个Pandas DataFrame，其中difference列的内容示例如下：

Backward compatibility errors (2):
error at original_source=specs/994.json, in API POST /echo api path removed without deprecation [api-path-removed-without-deprecation]. 

error at original_source=specs/994.json, in API GET /users/{username} api path removed without deprecation [api-path-removed-without-deprecation]. 

需要从该列提取三类信息：

• 将Backward compatibility errors提取至errors字段
• 将括号内的数字提取至count字段（转为整数类型）
• 将方括号内的内容提取至content字段（多个匹配项用逗号分隔）

当前代码能提取信息，但结果均为列表格式（带[]），需要优化：

优化后的代码 #

import pandas as pd
import re

df['difference'] = df['difference'].astype(str)

# 修正正则表达式，确保匹配完整目标内容
keywords_regex = {
    'errors': r'([A-Za-z\s]+ errors)',  # 匹配包含空格的完整错误类型
    'count': r'\((\d+)\)',             # 匹配括号内的数字
    'content': r'\[(.*?)\]'            # 匹配方括号内的内容
}

def extract_keywords(text):
    keywords = {}
    for name, regex in keywords_regex.items():
        matches = re.findall(regex, text)
        if name == 'count':
            # 提取数字并转为整数，无匹配则设为0
            keywords[name] = int(matches[0]) if matches else 0
        elif name == 'errors':
            # 提取完整错误类型，无匹配则设为空字符串
            keywords[name] = matches[0].strip() if matches else ''
        elif name == 'content':
            # 多个匹配项用逗号分隔，无匹配则设为空字符串
            keywords[name] = ', '.join(matches) if matches else ''
    return pd.Series(keywords)

# 应用函数并生成新列
df[list(keywords_regex.keys())] = df['difference'].apply(extract_keywords)

关键修改说明 #

1. 修正正则表达式：原errors字段的正则r'(\w+ errors)'只能匹配单个单词加errors，改为r'([A-Za-z\s]+ errors)'后可以匹配带空格的完整错误类型（比如Backward compatibility errors）。
2. 处理列表结果：
   • count：每个文本只会有一个数字，取匹配列表的第一个元素并转为整数，避免空匹配报错。
   • errors：取第一个匹配项并去除首尾空格，得到干净的错误类型名称。
   • content：如果有多个方括号内容（比如示例中的两个），用逗号连接成字符串，替代默认的列表格式。
3. 空值处理：添加无匹配时的默认值，避免索引越界错误。

内容的提问来源于stack exchange，提问作者Brie MerryWeather