如何利用Regex在Pandas列中提取源数据的实体与属性

需求 #

从Pandas DataFrame的文本列中，提取符合实体.属性（即entity.attribute）模式的内容。

源数据 #

import pandas as pd
df = pd.DataFrame({'txt': [" if ENT_A.COL_A <> NULL then 55787-3 Then abcd.col_b derivation trf , Else NULL   EF_kl.COL_d is populated"]})

解决方案 #

使用Pandas字符串方法结合正则表达式实现提取：

# 正则中点号需转义，确保仅匹配实际的"."符号
df['txt'].str.findall(r'\w+\.\w+').str.join(", ")

运行结果 #

ENT_A.COL_A,abcd.col_b,EF_kl.COL_d

代码说明 #

• str.findall(r'\w+\.\w+')：通过正则匹配所有符合[字母/数字/下划线].[字母/数字/下划线]格式的片段，精准定位实体.属性结构
• str.join(", ")：将匹配到的多个结果拼接为逗号分隔的字符串

内容的提问来源于stack exchange，提问作者kmr