如何拆分DataFrame中字典内多键值对的注册地址字段？

你的问题核心是拆分格式特殊的地址字符串，urllib.parse之所以失效，是因为它针对的是key=value&key2=value2这类URL参数格式，和当前的“键名: 值 键名2: 值2”格式不匹配。最直接的方案是用正则表达式精准识别每个键值对的边界。

具体实现步骤 #

1. 正则匹配规则：
   构造正则模式捕获键和对应的值：

   pattern = r'([A-Za-z /]+?): (.*?)(?= [A-Za-z /]+: |$)'
   

   • ([A-Za-z /]+?)：非贪婪匹配键名（允许包含字母、空格、斜杠）
   • : ：匹配键名后的冒号加空格分隔符
   • (.*?)：非贪婪匹配值内容
   • (?= [A-Za-z /]+: |$)：正向预查，匹配到下一个“ 键名: ”或字符串结尾时停止，确保值不会包含下一个键的内容

2. 结合Pandas处理DataFrame：
   写一个拆分函数，用apply批量处理每行的地址字段：

   import pandas as pd
   import re
   
   # 构造示例DataFrame
   data = [{'id': 2, 'Registered Address': 'Line 1: 1 Any Street Line 2: Any locale City: Any City Region / State: Any Region Postcode / Zip code: BA2 2SA Country: GB Jurisdiction: Any Jurisdiction'}]
   df = pd.DataFrame(data)
   
   def split_address(address_str):
       pattern = r'([A-Za-z /]+?): (.*?)(?= [A-Za-z /]+: |$)'
       matches = re.findall(pattern, address_str)
       # 转换为字典，同时去除首尾空格
       return {key.strip(): value.strip() for key, value in matches}
   
   # 添加拆分后的字典列
   df['Split Address'] = df['Registered Address'].apply(split_address)
   
   # 如果需要展开为单独的列
   address_cols = df['Split Address'].apply(pd.Series)
   df = pd.concat([df, address_cols], axis=1)
   

3. 输出目标格式：
   如果要输出你指定的带引号的格式，可以遍历拆分后的字典：

   address_dict = split_address(df.loc[0, 'Registered Address'])
   for key, value in address_dict.items():
       print(f'"{key}": "{value}"')
   

   运行后会得到：

   "Line 1": "1 Any Street"
   "Line 2": "Any locale"
   "City": "Any City"
   "Region / State": "Any Region"
   "Postcode / Zip code": "BA2 2SA"
   "Country": "GB"
   "Jurisdiction": "Any Jurisdiction"
   

内容的提问来源于stack exchange，提问作者PaulyboyUK