如何将Pandas DataFrame文本列转为单行并提取所有[*].[*]模式的数据？

1. 将多行文本转换为单行 #

直接通过正则替换把所有换行、连续空白字符替换成单个空格，即可将列内容转为单行：

df['txt'] = df['txt'].str.replace('\s+', ' ', regex=True)

该操作会把原文本中的换行、多空格统一压缩成单个空格，让文本结构更规整，也能避免多行对正则匹配的干扰。

2. 提取所有符合[*].[*]模式的数据 #

你之前的正则\[.*\]是贪婪匹配，会从第一个[一直匹配到最后一个]，导致只返回一个结果。需要改用精准匹配单个[xxx].[yyy]单元的正则：

df['matches'] = df['txt'].str.findall(r'\[[^\]]+\]\.\[[^\]]+\]').str.join(', ')

正则说明：

• \[[^\]]+\]：匹配以[开头、]结尾的片段，[^\]]+确保只匹配到第一个]，不会跨多个片段
• \.\：匹配中间的.（正则中.是通配符，必须转义）

完整示例代码 #

import pandas as pd

df = pd.DataFrame({'txt': ["sample text  [EN1].[attrgs] 
            when x=1 then 1 
            else [EN2].[abc]  
            testing [EN3].[BUS]  WHERE [EN1].[attrgs] = abc"]})

# 转换为单行文本
df['txt'] = df['txt'].str.replace('\s+', ' ', regex=True)

# 提取所有匹配项
df['matches'] = df['txt'].str.findall(r'\[[^\]]+\]\.\[[^\]]+\]').str.join(', ')

# 可选：对匹配项去重
df['matches_unique'] = df['txt'].str.findall(r'\[[^\]]+\]\.\[[^\]]+\]').apply(set).str.join(', ')

print(df['matches'].iloc[0])
# 输出：[EN1].[attrgs], [EN2].[abc], [EN3].[BUS], [EN1].[attrgs]

print(df['matches_unique'].iloc[0])
# 输出：[EN1].[attrgs], [EN2].[abc], [EN3].[BUS]

内容的提问来源于stack exchange，提问作者kmr