从含日期与品牌的URL中提取Model和VIN的正则优化需求

需要从指定URL中提取完整Model（如2021-Mercedes-Benz-Sprinter+2500）和VIN（如286f67180a0e09a8729929613aac3877），示例URL包括：

• /used/Mercedes-Benz/2021-Mercedes-Benz-Sprinter+2500-286f67180a0e09a8729929613aac3877.htm
• /used/Audi/2015-Audi-SQ5-286f67180a0e09a8729929613aac3877.htm

已尝试的方案 #

正则表达式 #

# model_pattern = r'\d{4}\-([^/]+)\-'
model_pattern = r'[-]([^/]+)\-'

执行代码 #

Clean_Make["Model"] = Clean_Make["Page"].str.extract(model_pattern)
Clean_Make

当前问题 #

提取出的Model缺失年份部分，结果示例（截取部分表格）：

Page    City    Pageviews   Unique Pageviews    Avg. Time on Page   Entrances   Bounce Rate % Exit  Make1   Make2   Make    Model
71  /used/Mercedes-Benz/2021-Mercedes-Benz-Sprinte...   San Jose    310 149 00:00:27    149 2.00%   47.74%  Mercedes-Benz   Mercedes-Benz   Mercedes-Benz   Mercedes-Benz-Sprinter+2500
103 /used/Audi/2015-Audi-SQ5-286f67180a0e09a872992...   Menlo Park  250 87  00:02:36    82  0.00%   32.40%  Audi    Audi    Audi    Audi-SQ5
158 /used/Mercedes-Benz/2021-Mercedes-Benz-Sprinte...   San Francisco   202 98  00:00:18    98  2.04%   48.02%  Mercedes-Benz   Mercedes-Benz   Mercedes-Benz   Mercedes-Benz-Sprinter+2500
165 /used/Audi/2020-Audi-S8-c6df09610a0e09af26b5cf...   San Francisco   194 93  00:00:42    44  2.22%   29.38%  Audi    Audi    Audi    Audi-S8
168 /used/Mercedes-Benz/2021-Mercedes-Benz-Sprinte...   (not set)   192 91  00:00:11    91  2.20%   47.40%  Mercedes-Benz   Mercedes-Benz   Mercedes-Benz   Mercedes-Benz-Sprinter+2500
... ... ... ... ... ... ... ... ... ... ... ... ...
4995    /used/Subaru/2019-Subaru-Crosstrek-5717b3040a0...   Union City  10  3   00:02:02    0   0.00%   30.00%  Subaru  Subaru  Subaru  Subaru-Crosstrek
4996    /used/Tesla/2017-Tesla-Model+S-15605a190a0e087...   San Jose    10  5   00:01:29    5   0.00%   50.00%  Tesla   Tesla   Tesla   Tesla-Model+S

优化后的正则表达式与代码 #

使用包含两个捕获组的正则表达式，可同时提取完整Model和VIN：

pattern = r'/used/[^/]+/(\d{4}-[^-]+)-([0-9a-f]+)\.htm'

• 第一个捕获组(\d{4}-[^-]+)：匹配以4位年份开头、到下一个-为止的所有字符，得到包含年份的完整Model
• 第二个捕获组([0-9a-f]+)：匹配由数字和小写字母组成的VIN字符串

执行提取代码：

Clean_Make[['Full Model', 'VIN']] = Clean_Make["Page"].str.extract(pattern)
Clean_Make

提取结果示例：

内容的提问来源于stack exchange，提问作者Anastasia Sukhorebraya_Beck