如何从Excel字符串提取前5字符属指定列表、后3为数字的10字符单词？

要实现从Excel的Description列提取符合要求的10字符单词，你可以通过构造精准的正则表达式，结合Pandas的批量字符串处理功能来完成，以下是修正后的代码：

import pandas as pd
import re

# 读取Excel文件
df = pd.read_excel(r'D:/Users/Data.xlsx')

# 定义目标前缀列表
prefix_list = ['AQBCN','PUCNQ','DJBNK','ADJBC','NJRQC']

# 构造正则表达式：匹配前5字符为指定前缀、中间2任意字符、最后3数字的10字符内容
prefix_pattern = '|'.join(prefix_list)
regex_pattern = fr'({prefix_pattern}).{{2}}\d{{3}}'

# 提取匹配内容到Number列，无匹配则留空
df['Number'] = df['Description'].str.extract(regex_pattern, expand=False)

# 可选：保存处理后的结果到新Excel
# df.to_excel(r'D:/Users/Processed_Data.xlsx', index=False)

print(df)

代码说明： #

• 正则表达式构造：
  • prefix_pattern 将前缀列表转为AQBCN|PUCNQ|DJBNK|ADJBC|NJRQC，用于匹配前5个符合要求的字符；
  • .{2} 匹配中间任意2个字符（保证总长度为10：5+2+3）；
  • \d{3} 匹配最后3个数字；
  • 整个表达式用括号包裹，确保str.extract能提取到完整的目标字符串。
• Pandas批量处理：使用str.extract直接对整个Description列操作，比循环遍历效率更高，无匹配的行自动填充NaN（显示为空），符合预期输出。

原代码的问题： #

1. 正则表达式[ae]\w+完全不符合需求，它只会匹配以a或e开头的单词，和你要提取的10字符目标毫无关系；
2. 循环遍历每一行但没有将提取结果赋值到Number列，无法得到预期输出；
3. 使用list作为变量名会覆盖内置的list类型，属于不良编码习惯。

内容的提问来源于stack exchange，提问作者Manz