如何用Python正则表达式清理CSV中演员信息的括号内容及冗余项？

问题场景 #

你的CSV文件actors列有如下内容：

Halley Bailey - 1998 
Hayley Orrantia (1994-) American actress, singer, and songwriter 
Ken Watanabe (actor) 
etc...

需要仅保留演员姓名，移除括号及内部内容、逗号后冗余文本、姓名后的日期信息，最终输出：

Halley Bailey
Hayley Orrantia
Ken Watanabe

你之前尝试的代码regex = '|'.join(map(re.escape, df['actors']))只是将所有演员条目拼接成正则表达式，无法针对性处理各类冗余内容，下面是可行的扩展方案：

解决方案 #

使用Pandas的str.replace()结合正则表达式，分步骤（或合并）处理冗余内容：

分步处理代码 #

import pandas as pd

# 读取目标CSV
df = pd.read_csv("your_csv_file.csv")

# 1. 移除括号及其内部所有内容（含前后空格）
df["actors"] = df["actors"].str.replace(r"\s*\(.*?\)\s*", "", regex=True)

# 2. 移除逗号及之后的所有文本
df["actors"] = df["actors"].str.replace(r",.*", "", regex=True)

# 3. 移除姓名后的日期区段（格式为 "- 年份/日期范围"）
df["actors"] = df["actors"].str.replace(r"\s*-\s*\d+.*", "", regex=True)

# 清理首尾多余空格
df["actors"] = df["actors"].str.strip()

# 输出处理结果
print(df["actors"])

合并正则简化代码 #

也可以将多个正则规则合并为一次替换，减少代码行数：

import pandas as pd

df = pd.read_csv("your_csv_file.csv")
df["actors"] = df["actors"].str.replace(r"\s*\(.*?\)\s*|,.*|\s*-\s*\d+.*", "", regex=True).str.strip()
print(df["actors"])

正则规则说明 #

• \s*\(.*?\)\s*：匹配括号（前后可能带空格）及内部任意内容，非贪婪匹配.*?避免误匹配多个括号的情况
• ,.*：匹配逗号及后续所有字符，直接截断
• \s*-\s*\d+.*：匹配姓名后带空格的-符号，以及后续以数字开头的日期相关内容

内容的提问来源于stack exchange，提问作者nic.o