如何批量从结构化长字符串中提取日期值创建Date新变量

你当前存储的列内容为Python风格的列表嵌套字典结构，目标是提取dataColetaTeste字段下ISO格式时间串中的YYYY-MM-DD日期部分，以下两种方案可覆盖全量数据的提取需求：

方案1：正则匹配提取（性能优先） #

该方案不需要做完整结构解析，针对固定格式的特征做匹配，处理速度快，对微小的格式瑕疵容错性强，适合大数据量场景。
匹配逻辑：定位dataColetaTeste字段下iso键对应的时间串，截取前10位日期字符。
Python pandas 实现示例：

import re
import pandas as pd

# 正则规则：锁定dataColetaTeste区块内iso字段后的日期，避免误匹配其他位置的日期
extract_pattern = re.compile(r"dataColetaTeste.*?'iso': '(\d{4}-\d{2}-\d{2})T")
df['Date'] = df['原始字符串列名'].apply(
    lambda x: extract_pattern.search(x).group(1) if extract_pattern.search(x) else None
)

方案2：结构化解析（准确率优先） #

如果数据存在字段顺序调整、嵌套层级变动的可能，将字符串转为原生Python对象后按键取值是最稳妥的方案，长期维护成本更低。
注意该字符串使用单引号包裹键值，不属于标准JSON格式，不要直接用JSON库解析，使用Python内置ast库的literal_eval方法可安全完成转换。
Python pandas 实现示例：

import ast
import pandas as pd

def get_target_date(input_str):
    try:
        # 将字符串解析为Python列表对象
        parsed_data = ast.literal_eval(input_str)
        # 逐层按键取值，截取ISO时间串前10位即为目标日期
        iso_time = parsed_data[0]['dataColetaTeste']['iso']
        return iso_time[:10]
    except:
        # 异常格式数据返回空值，避免任务中断
        return None

df['Date'] = df['原始字符串列名'].apply(get_target_date)

选型参考 #

• 数据量超百万、字段格式长期稳定时，优先选正则匹配方案，处理效率比结构化解析高30%以上
• 数据来源杂、存在格式迭代可能时，优先选结构化解析方案，不会因为字段顺序、额外字段插入导致提取失败

内容的提问来源于stack exchange，提问作者Lucca Nielsen