如何用Pandas str.extract提取字典格式字符串中的THIS_id值

方案一：优化正则精准提取 #

你之前的正则会带出引号，是因为匹配范围没限制好。可以用下面的正则，直接提取'THIS_id': '后面、下一个单引号之前的内容：

import pandas as pd

lista=[ "{'FIRST_id': 'awe', 'THIS_id': 'awec_20230222_1626_i0ov0w', 'NOTTHIS_id': 'awep_20230222_1628_p8f5hd52u3oknc24'}","{'FIRST_id': 'awe', 'THIS_id': 'awec_20230222_1626_i0ov0w', 'NOTTHIS_id': 'awep_20230222_1641_jwjajtals49wc88p'}"]
dfpack=pd.DataFrame(lista,columns=["awesome_config"])

# 提取不带引号的THIS_id
dfpack['THIS_id'] = dfpack['awesome_config'].str.extract(r"'THIS_id': '([^']+)'", expand=False)
print(dfpack['THIS_id'])

这里[^']+的意思是匹配所有不是单引号的字符，刚好精准拿到引号里的内容，不会带引号。

方案二：转成字典再提取（更稳妥） #

如果你的字符串格式一直是类似字典的结构，推荐用这种方法——把字符串转成真实的Python字典，再直接取值，哪怕字段顺序变了或者格式有小调整，都能正常工作：

import pandas as pd
import ast

lista=[ "{'FIRST_id': 'awe', 'THIS_id': 'awec_20230222_1626_i0ov0w', 'NOTTHIS_id': 'awep_20230222_1628_p8f5hd52u3oknc24'}","{'FIRST_id': 'awe', 'THIS_id': 'awec_20230222_1626_i0ov0w', 'NOTTHIS_id': 'awep_20230222_1641_jwjajtals49wc88p'}"]
dfpack=pd.DataFrame(lista,columns=["awesome_config"])

# 解析字符串为字典，提取THIS_id
dfpack['THIS_id'] = dfpack['awesome_config'].apply(lambda x: ast.literal_eval(x)['THIS_id'])
print(dfpack['THIS_id'])

ast.literal_eval是安全解析这类字符串的工具，不会像eval有风险，解析完直接用键名'THIS_id'就能拿到纯净值。

最终输出结果： #

0    awec_20230222_1626_i0ov0w
1    awec_20230222_1626_i0ov0w
Name: THIS_id, dtype: object

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