Pandas中str.extract()结合正则表达式无法提取子串问题求助

嘿，我来帮你搞定这个提取需求！你的正则没精准定位到目标内容的位置，所以才没拿到想要的结果。

问题分析 #

你要提取的是name=后面到下一个逗号之间的内容，但原正则r'(An+.+,$)'既没定位到name=这个关键前缀，匹配逻辑也没聚焦到目标区间，自然抓不到正确的子串。

正确方案 #

我们需要用正则精准锁定name=的位置，然后捕获它后面到逗号前的内容：

1. 匹配正则：r'name=\s*(.+?)\s*,'

   • name=：精准定位目标内容的前缀
   • \s*：匹配name=之后、内容之前的任意空格（兼容有无空格的情况）
   • (.+?)：非贪婪匹配捕获目标内容（避免过度匹配到后面的字符）
   • \s*：匹配内容之后、逗号之前的任意空格
   • ,：匹配结束的逗号，确保只提取到目标区间

2. Pandas代码：

dataset['Sprint'] = dataset['URL'].str.extract(r'name=\s*(.+?)\s*,')

测试验证 #

用你提供的示例字符串测试一下：

import pandas as pd

test_url = "[id=5548,rapidViewId=2968,state=ACTIVE,name= Anki Sprint 1.12 glu ,startDate=2020-03-09T09:21:24.412+01:00,endDate=2020-03-31T23:59:00.000+02:00,completeDate=,sequence=5548,goal=]"
df = pd.DataFrame({'URL': [test_url]})
df['Sprint'] = df['URL'].str.extract(r'name=\s*(.+?)\s*,')

print(df['Sprint'].iloc[0])
# 输出结果：Anki Sprint 1.12 glu

这样就能准确提取到你想要的内容啦！

内容的提问来源于stack exchange，提问作者soufiane