如何使用正则表达式筛选CSV中Column B单元格内以water开头的行

需求：CSV文件的Column B（代码中列名为SCHEDULES）单元格包含多行内容，需保留所有以water开头的行，删除其余行，用Python pandas实现。此前使用正则re.findall("^water'.*")因未处理换行场景报错。

测试数据 #

期望结果 #

修正后的代码 #

import pandas as pd
import re

df = pd.read_csv("MyFile.csv")

# 定义处理函数：提取所有以water开头的行，用换行连接
def extract_water_lines(content):
    # 处理空值情况
    if pd.isna(content):
        return ""
    # 使用多行模式匹配，^匹配每行开头
    matches = re.findall(r"^water.*", str(content), flags=re.MULTILINE)
    # 用换行符连接匹配到的行，无匹配则返回空字符串
    return "\n".join(matches)

# 对SCHEDULES列应用处理函数
df["SCHEDULES"] = df["SCHEDULES"].apply(extract_water_lines)

df.to_csv("Nexpose_Schedules.csv", index=False)

关键说明 #

1. 正则修正：添加re.MULTILINE标志，让^匹配单元格内每行的开头而非整个字符串的开头；同时去掉原正则中多余的单引号（测试数据中无单引号）。
2. 高效处理：用apply替代循环遍历，更符合pandas的高效操作习惯。
3. 空值处理：先判断单元格是否为空，避免转换字符串时出错。
4. 结果格式化：将匹配到的多行用换行符连接，保持原单元格的多行格式。

内容的提问来源于stack exchange，提问作者Akara Manny