如何用Python从银行流水支付参考中提取纯字母文本？

可以用Python正则表达式结合pandas字符串方法实现，核心是匹配仅由字母组成的独立单词，具体步骤如下：

1. 核心匹配逻辑
   使用正则表达式 r'\b[a-zA-Z]+\b' 定位纯字母单词：

• \b：匹配单词边界，确保提取的是独立单词（不会从abc123这类字符串里误提取abc）
• [a-zA-Z]+：匹配1个及以上大小写字母
• 借助pandas的str.findall()方法，返回所有符合规则的单词列表

2. 示例代码

import pandas as pd

# 假设你的DataFrame名为df，支付参考列名为'payment_reference'
df['extracted_words'] = df['payment_reference'].str.findall(r'\b[a-zA-Z]+\b')

# 可选：将列表转为逗号分隔的字符串格式
df['extracted_words_str'] = df['extracted_words'].apply(lambda x: ', '.join(x))

3. 测试效果
   对于支付参考值 15122021 Amazon ref 1021/1022，运行后：

• extracted_words 列的值为 ['Amazon', 'ref']
• 若转成字符串格式，extracted_words_str 的值为 Amazon, ref

4. 扩展处理（可选）

• 统一转为小写/大写：

  df['extracted_words'] = df['payment_reference'].str.findall(r'\b[a-zA-Z]+\b').apply(lambda x: [word.lower() for word in x])
  

• 排除单个字母的单词（仅提取长度≥2的），修改正则为 r'\b[a-zA-Z]{2,}\b'

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