如何从含冗余内容的饮品数据列提取品牌名称？

核心思路 #

既然你已经掌握了所有目标饮品品牌的名称，最直接高效的方法就是基于已知品牌列表做精准匹配，无需依赖不稳定的固定切片或复杂正则推导。

实现步骤（以Python Pandas为例） #

假设你用Pandas处理数据列，可按以下方式实现：

1. 定义已知品牌列表

brand_list = ["BALLANTINES", "CHIVAS", "ABSOLUT"]

2. 生成正则匹配规则
   将品牌列表转为正则表达式，确保匹配完整的品牌名（避免部分字符误匹配）：

import re
import pandas as pd

# 示例数据
df = pd.DataFrame({
    "original": [
        "WHISKY BALLANTINES12YO 12X1000 ML RESTAGE",
        "CHIVAS REGAL 12 ANOS 12X1L",
        "VODKA ABSOLUT 12X1000ML"
    ]
})

# 构建正则模式，优先匹配长品牌（若存在品牌名包含关系，需把长品牌放在列表前面）
brand_pattern = r'(' + '|'.join(sorted(brand_list, key=len, reverse=True)) + r')'

3. 提取品牌并格式化

# 提取匹配到的品牌，忽略大小写差异
df['brand'] = df['original'].str.extract(brand_pattern, flags=re.IGNORECASE)
# 统一转为大写格式（按需调整）
df['brand'] = df['brand'].str.upper()

处理结果 #

注意事项 #

• 如果品牌名存在包含关系（比如"CHIVAS"和"CHIVAS REGAL"），一定要把更长的品牌名放在列表前面，避免短品牌先被匹配导致结果错误。
• 若原始数据中有大小写混合的情况，flags=re.IGNORECASE参数能确保匹配不受大小写影响。

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