Pandas如何提取多括号内以数字开头的子串 解决正则贪婪匹配问题

直接调整正则规则即可解决两个问题：

• 替换原正则的贪婪匹配模式，匹配时遇到第一个右括号就终止，不会跨括号抓取多组内容
• 增加开头数字校验，仅保留左括号后紧跟数字的括号内内容

修正后代码 #

import pandas as pd

cols = ['a', 'b']
data = [
    ['xyz - (4 inch), (four inch)', 'abc'],
    ['def', 'ghi'],
    ['xyz - ( 5.5 inch), (five inch)', 'abc'],
]
df = pd.DataFrame(data=data, columns=cols)
# 替换为修正后的正则
df['c'] = df['a'].str.extract(r"\((\d[^)]*)\)")
print(df)

正则规则说明 #

使用的正则为\((\d[^)]*)\)，各部分逻辑：

• \(：匹配左括号字符
• 捕获分组（即最终提取的内容）：
  • \d：要求内容必须以数字开头，左括号后如果是空格、字母等非数字字符则不匹配
  • [^)]*：匹配任意数量的非右括号字符，遇到第一个右括号就停止，从根源避免贪婪匹配跨括号的问题
• \)：匹配右括号字符

运行结果 #

执行后输出和期望完全一致：

a    b       c
0     xyz - (4 inch), (four inch)  abc  4 inch
1                             def  ghi     NaN
2  xyz - ( 5.5 inch), (five inch)  abc     NaN

如果后续规则调整，允许括号内数字前存在空格等空白字符，可以把正则修改为\(\s*(\d[^)]*)\)适配场景。

内容的提问来源于stack exchange，提问作者ah2Bwise