Python提取电话后无法写入CSV清洗文件的问题求助

你已通过正则从谷歌搜索结果片段中提取电话，但数据清洗后生成的CSV仅保留邮箱，电话丢失。以下是修改代码的具体位置和方法：

1. 同步清洗电话字段 #

在清洗email的代码块后，添加对phone字段的清洗逻辑，和邮箱的清洗规则保持一致：

order_selection = data[['raw_url','email','phone']].drop_duplicates().dropna()

# 清洗email（原代码保留）
order_selection['email'] = order_selection['email'].astype(str).str.replace(r"^[][\s]*$|(^\[+|\]+$|')", lambda x: '' if x.group(1) else np.nan , regex=True)

# 新增：同步清洗phone字段
order_selection['phone'] = order_selection['phone'].astype(str).str.replace(r"^[][\s]*$|(^\[+|\]+$|')", lambda x: '' if x.group(1) else np.nan , regex=True)

order_selection = order_selection.drop_duplicates().dropna()

2. 分组时同时聚合电话数据 #

原分组代码仅对email做聚合，需要修改为同时聚合email和phone：

# GROUP BY PART 修改
groupby_order_selection = order_selection.groupby('raw_url').agg({
    'email': list,
    'phone': list  # 新增：按url分组聚合电话列表
}).reset_index()

3. 分组后同步清洗电话字段 #

在清洗分组后的email字段后，添加对phone的清洗：

# 清洗分组后的email（原代码保留）
groupby_order_selection['email'] = groupby_order_selection['email'].astype(str).str.replace(r"^[][\s]*$|(^\[+|\]+$|')", lambda x: '' if x.group(1) else np.nan , regex = True)

# 新增：清洗分组后的phone字段
groupby_order_selection['phone'] = groupby_order_selection['phone'].astype(str).str.replace(r"^[][\s]*$|(^\[+|\]+$|')", lambda x: '' if x.group(1) else np.nan , regex = True)

groupby_order_selection = groupby_order_selection.drop_duplicates().dropna()

修改完成后，导出groupby_order_selection到CSV时，就会同时包含raw_url、email和phone三个字段。

内容的提问来源于stack exchange，提问作者djmystica