如何用正则从Pandas列提取以3开头的6位固定长度标识符？

需要从以下Pandas DataFrame的Incident_details列中提取符合规则的标识符：

df1=pd.DataFrame({'Incident_details':['324657_Sample text1 about the incident',
' 316678_sample text2 with details of incident',
'*DEPARTMENT LIST 316878-Sample text3 with information, ph: 01314522345',
'327787_34587621 (sample text4 with incident details)',
'Sample text5 with details',
'327997_1000587621 (sample text6 with incident info',
' 314489_incident text7 details',
'DEPARTMENT_LIST_325489_Text8 details',
'DEPARTMENT3_316489 text9 details',
'DEPARTMENT_LIST_326499',
'324512_1000257218',
'314656_text10(01345782345)',
'324757_03456789',
'DEPARTMENT_CDES_324903_35678910 (details text11)',
'326512_34500257218 - text12 details',
'Incident 325621_ 316512_ sample text 13']})

标识符规则 #

• 始终以3开头，长度固定为6位；
• 可出现在字符串开头、任意数量空格后或下划线后；
• 单个字符串可能包含多个标识符，需全部提取。

当前使用的正则表达式无法得到正确结果，请求修正：

df1['Incident_id'] = df1['incident_details'].str \
   .findall(r'(?:^|\s|[^_])(\d{6})').str.join(", ")

原正则存在三个核心问题：

1. [^_]会匹配非下划线的任意字符，导致捕获的标识符前附带多余字符，同时无法匹配下划线后的目标标识符；
2. 未限定标识符必须以3开头，会误匹配其他无关6位数字；
3. 未处理后置边界，会从更长数字串中错误截取片段。

修正后的正则需要精准匹配规则，同时避免误捕：

完整修正代码 #

import pandas as pd

df1=pd.DataFrame({'Incident_details':['324657_Sample text1 about the incident',
' 316678_sample text2 with details of incident',
'*DEPARTMENT LIST 316878-Sample text3 with information, ph: 01314522345',
'327787_34587621 (sample text4 with incident details)',
'Sample text5 with details',
'327997_1000587621 (sample text6 with incident info',
' 314489_incident text7 details',
'DEPARTMENT_LIST_325489_Text8 details',
'DEPARTMENT3_316489 text9 details',
'DEPARTMENT_LIST_326499',
'324512_1000257218',
'314656_text10(01345782345)',
'324757_03456789',
'DEPARTMENT_CDES_324903_35678910 (details text11)',
'326512_34500257218 - text12 details',
'Incident 325621_ 316512_ sample text 13']})

# 修正后的正则表达式
df1['Incident_id'] = df1['Incident_details'].str.findall(r'(?:^|\s|_)(3\d{5})(?!\d)').str.join(", ")

# 输出结果查看
print(df1[['Incident_details', 'Incident_id']])

正则表达式说明 #

• (?:^|\s|_)：非捕获组，匹配字符串开头、任意空格或下划线，确保标识符的前置位置符合规则；
• (3\d{5})：捕获组，精准匹配以3开头的6位数字（3 + 5位任意数字）；
• (?!\d)：负向预查，确保标识符后无其他数字，避免从更长数字串中截取片段。

关键输出示例 #

内容的提问来源于stack exchange，提问作者SriHari