OpenRefine提取CSV列括号内容及前置单词的方法

你需要调整正则表达式，匹配括号前的完整英文单词+空格+括号及内部四位年份的组合，具体正则表达式如下：

\b\w+ \(\d{4}\)

正则规则说明 #

• \b：匹配单词边界，确保提取的是完整单词，避免从长单词中截取片段
• \w+：匹配一个或多个字母组成的英文单词
• ：匹配单词与括号之间的空格
• \( 和 \)：转义匹配左右括号，因为括号在正则中属于特殊语法字符
• \d{4}：精确匹配四位数字，对应示例中的年份格式

示例用法（以Python pandas处理CSV为例） #

假设你用pandas读取CSV文件，要从text_column列提取目标内容并生成新列target_content：

import pandas as pd

# 读取CSV文件
df = pd.read_csv("your_csv_file.csv")

# 提取符合规则的内容，返回列表形式的匹配结果
df["target_content"] = df["text_column"].str.findall(r"\b\w+ \(\d{4}\)")

执行后，target_content列就会得到类似["amet (2015)", "aliqua (2000)"]的结果。如果使用其他工具（如Excel、Power Query），也可以套用该正则逻辑，调整对应工具的函数写法即可。

内容的提问来源于stack exchange，提问作者Lucas Cabral