Python正则表达式：排除含PT的字符串并修正匹配结果

核心处理逻辑 #

• 先过滤所有包含PT的字符串片段，避免机构名称干扰
• 去除姓名前多余的前缀A
• 精准匹配提取中文个人姓名

正则实现示例 #

假设拼接后的文本格式类似 A张三 PT科技公司 项目经理；A李四 PT咨询所 分析师；王五 工作室 设计师，可按以下方式处理：

import re

# 示例拼接文本
target_text = "A张三 PT科技公司 项目经理；A李四 PT咨询所 分析师；王五 工作室 设计师"

# 1. 拆分分句并过滤含PT的条目
valid_clauses = [clause.strip() for clause in target_text.split('；') if 'PT' not in clause]
# 2. 提取姓名，去除前缀A
extracted_names = [re.sub(r'^A', '', re.search(r'^[A]?([\u4e00-\u9fa5]+)', clause).group(1)) for clause in valid_clauses]

print(extracted_names)  # 输出: ['张三', '王五']

正则规则说明 #

• ^[A]?([\u4e00-\u9fa5]+)：匹配以可选前缀A开头的中文姓名，捕获组仅保留姓名主体部分
• 通过列表推导式提前过滤含PT的分句，从根源避免机构名称被误识别为姓名

Pandas集成处理方案 #

直接针对DataFrame的字符串列批量处理：

import pandas as pd
import re

# 示例DataFrame
df = pd.DataFrame({'combined_info': [
    "A张三 PT科技公司 项目经理",
    "A李四 PT咨询所 分析师",
    "王五 工作室 设计师"
]})

def get_valid_name(info_str):
    if 'PT' in info_str:
        return None
    name_match = re.search(r'^[A]?([\u4e00-\u9fa5]+)', info_str)
    return name_match.group(1) if name_match else None

# 生成姓名列
df['real_name'] = df['combined_info'].apply(get_valid_name)

内容的提问来源于stack exchange，提问作者htm_01