如何用正则从Pandas DataFrame中提取姓名对应地点子串

假设你的任命通知文本格式类似 APPOINTMENT OF DAVID MERRIGAN, of NEW YORK, NY, to the position...，结合你已经能提取大写姓名的情况，用下面的正则配合Pandas就能搞定目标地点提取：

核心正则表达式 #

针对姓名后带逗号+of的场景：

(?<=[A-Z]+(?:\s[A-Z]+)+, of ).*?(?=,.*?,)

如果你的文本里姓名和of之间没有逗号（比如DAVID MERRIGAN of NEW YORK, NY, ...），就用这个版本：

(?<=[A-Z]+(?:\s[A-Z]+)+ of ).*?(?=,.*?,)

Pandas 代码示例 #

假设你的DataFrame存储通知文本的列叫notice_text，直接用str.extract提取：

import pandas as pd

# 模拟你的数据
df = pd.DataFrame({
    'notice_text': [
        "APPOINTMENT OF DAVID MERRIGAN, of NEW YORK, NY, to the Board of Directors",
        "NAMING OF SARAH JANE SMITH, of LOS ANGELES, CA, as Senior Executive"
    ]
})

# 提取地点列
df['location'] = df['notice_text'].str.extract(r'(?<=[A-Z]+(?:\s[A-Z]+)+, of ).*?(?=,.*?,)')

# 查看结果
print(df[['notice_text', 'location']])

正则逻辑拆解 #

• (?<=[A-Z]+(?:\s[A-Z]+)+, of )：正向后顾断言，确保我们从「大写姓名（支持多部分，比如带中间名）+ ", of "」之后开始匹配，避免抓错位置
• .*?：非贪婪匹配，只取到目标结束位置的内容，不会把后面的文本也拉进来
• (?=,.*?,)：正向前瞻断言，匹配到「第二个逗号」就停止，刚好截取到我们要的地点范围

为什么之前返回-1？ #

返回-1一般是正则完全没匹配到内容，检查这几点：

1. 文本里是否真的有「of开头+后面至少两个逗号」的结构？
2. 姓名和of之间的分隔符是不是和正则里的不一致？（比如你文本里是空格，正则写了逗号）
3. 是不是用了贪婪匹配（比如把.*?写成.*），导致匹配范围跑过头？

内容的提问来源于stack exchange，提问作者xrichervis