如何在Python/Pandas中提取CSV单元格文本块中含指定关键词的内容？

假设你的目标关键词是Supplier assignment notification（可根据实际需求替换），可以通过以下步骤提取对应时间：

步骤1：拆分文本块为独立子段 #

每个单元格的文本以--------作为分隔符，先拆分出所有子记录，同时清理空内容和多余换行：

步骤2：匹配关键词并提取对应时间 #

遍历每个子段，检查内容是否包含目标关键词，若匹配则提取子段第一行的时间字符串，还可转换为Pandas的datetime格式方便后续分析。

完整代码示例 #

import pandas as pd
import re

# 读取CSV文件
df = pd.read_csv('your_file.csv')

# 替换为你实际需要的目标关键词
TARGET_KEYWORD = "Supplier assignment notification"

def extract_supplier_response_time(text):
    # 拆分文本块并清理无效内容
    segments = [seg.strip() for seg in text.split('--------') if seg.strip()]
    matched_times = []
    for seg in segments:
        # 拆分子段的行，过滤空行
        lines = [line.strip() for line in seg.split('\n') if line.strip()]
        if not lines:
            continue
        # 检查子段是否包含目标关键词
        if TARGET_KEYWORD in '\n'.join(lines):
            # 提取时间部分（去掉末尾的人名后缀，比如"- Jim"）
            time_match = re.match(r'^(.*?)\s-\s\w+$', lines[0])
            if time_match:
                time_str = time_match.group(1)
                # 转换为datetime格式，异常时保留原字符串
                try:
                    time_dt = pd.to_datetime(time_str, format='%B %d, %Y %I:%M:%S %p %z')
                    matched_times.append(time_dt)
                except ValueError:
                    matched_times.append(time_str)
    # 返回第一个匹配的时间，需多匹配结果可返回列表
    return matched_times[0] if matched_times else None

# 生成新列存储提取的时间
df['Supplier_Response_Time'] = df['time Line'].apply(extract_supplier_response_time)

# 查看结果
print(df[['time Line', 'Supplier_Response_Time']])

代码说明 #

• split('--------')：快速拆分出每个独立的操作记录段。
• 正则^(.*?)\s-\s\w+$用于剥离时间行末尾的人名后缀，若不需要清理直接取lines[0]即可。
• pd.to_datetime将字符串时间转为可操作的datetime对象，支持后续排序、筛选等分析操作。
• 若单个单元格存在多个匹配子段，可修改返回逻辑为返回所有匹配时间的列表。

灵活调整 #

只需修改TARGET_KEYWORD的值即可适配不同的关键词；若时间格式有变化，可调整pd.to_datetime的format参数，或去掉format让Pandas自动推断格式。

内容的提问来源于stack exchange，提问作者Josh