如何在Python中从DataFrame文本列提取正则匹配项间的文本？

可以通过Pandas结合正则表达式实现需求，核心思路是用正则提取每个Apple [字母][数字]开头到下一个匹配项（或文本结尾）的内容，再将提取结果展开为多行。

代码实现 #

import pandas as pd

# 构造示例DataFrame（替换为你的实际数据）
df = pd.DataFrame({
    'text': ['dd ee Apple A1 a b c d Apple A2 e f g Apple B1 hi g Apple C1 r 5 6 Apple D1...']
})

# 定义正则模式：匹配"Apple 字母数字"开头，直到下一个"Apple 字母数字"或文本结束的内容
pattern = r'(Apple [A-Za-z]\d.*?)(?=Apple [A-Za-z]\d|$)'

# 提取所有匹配片段并展开为多行
df['text_new'] = df['text'].str.findall(pattern)
df = df.explode('text_new').reset_index(drop=True)

# 可选：清理文本两端的多余空格
df['text_new'] = df['text_new'].str.strip()

# 查看结果
print(df)

代码说明 #

• 正则解析：(Apple [A-Za-z]\d.*?)(?=Apple [A-Za-z]\d|$)中：
  • Apple [A-Za-z]\d 匹配目标起始标识（Apple+字母+数字）
  • .*? 非贪婪匹配后续内容，避免跨段抓取
  • (?=...) 正向预查，确保匹配到下一个起始标识或文本结尾时停止
• 数据展开：str.findall()提取所有符合规则的片段为列表，explode()将列表元素拆分为单独行，实现每行对应一段目标文本。

内容的提问来源于stack exchange，提问作者FloriaT