使用正则表达式与Pandas提取店铺名称及位置

针对你的需求，我们可以通过正则表达式匹配字符串中的规律，精准提取店铺名称和位置信息，适配所有给出的示例格式。

实现代码 #

import pandas as pd
import re

# 示例数据
to_clean = ['ACTIVE BODY #1 - WEST VAN', 'BUY-LOW (80018) - KINGSGATE', 'CHOICES - CAMBIE #906',
     'CAUSEWAY MASSET - CAMBIE', 'COMMUNITY NATURAL S2 - CHINOOK', 'MEINHARDT - GRANVILLE (80068)',
     'WFM - CAMBIE - 10248']

def extract_store_location(s):
    # 提取店铺名称：匹配开头到分隔符'-'，去除末尾的#数字、(数字)、S数字后缀
    store_match = re.match(r'^(.+?)\s*(?:#\d+|\(\d+\)|S\d+)?\s*-\s*', s)
    store = store_match.group(1).strip() if store_match else s
    
    # 提取位置信息：匹配分隔符'-'之后的内容，去除末尾的#数字、(数字)、-数字后缀
    location_match = re.search(r'-\s*(.+?)\s*(?:#\d+|\(\d+\)|\s*-\s*\d+)?$', s)
    location = location_match.group(1).strip() if location_match else ''
    
    return pd.Series([store, location])

# 生成结果DataFrame
data = pd.DataFrame({'to_clean': to_clean})
data[['store', 'location']] = data['to_clean'].apply(extract_store_location)

print(data)

正则逻辑说明 #

• 店铺名称正则：^(.+?)\s*(?:#\d+|\(\d+\)|S\d+)?\s*-\s*

  • ^(.+?)：非贪婪捕获开头到分隔符前的核心店铺名，避免包含后缀内容
  • (?:#\d+|\(\d+\)|S\d+)?：匹配并忽略末尾的#编号、括号内编号、S+编号这类后缀
  • \s*-\s*：匹配分隔符'-'，兼容前后的空白字符

• 位置信息正则：-\s*(.+?)\s*(?:#\d+|\(\d+\)|\s*-\s*\d+)?$

  • -\s*(.+?)：捕获分隔符后的核心位置内容
  • (?:#\d+|\(\d+\)|\s*-\s*\d+)?：忽略末尾的#编号、括号内编号、末尾的'-+数字'后缀
  • $：确保匹配到字符串结尾，避免遗漏后缀

执行代码后，生成的data DataFrame将完全符合你给出的期望输出。

内容的提问来源于stack exchange，提问作者Alejandro L