如何使用Python正则提取DataFrame中'year'关键词前的数字

你之前使用的正则\d{2}+(?=year)存在以下错误，无法得到正确结果：

• 硬编码限定只能匹配2位长度的数字，无法匹配示例中1 year里的1位数字
• {2}+属于非法的量词组合，Python标准正则引擎无法解析该写法
• 没有兼容year的复数形式years，也没考虑数字与关键词之间的空格、关键词后带冒号等实际场景。

直接使用pandas字符串方法str.extract配合修正后的正则即可，正则逻辑为捕获紧邻year/years前的连续数字，自动忽略不匹配的行：

import pandas as pd

# 测试数据
df = pd.DataFrame({
    'data': [
        'Membership 1 year',
        'Individual - 10 years:',
        'Membership 2019-2024'
    ]
})

# 提取年限
df['contract_years'] = df['data'].str.extract(r'(\d+)\s*years?(?=[:\s]|$)')

执行后得到的结果与预期完全一致：

data contract_years
0      Membership 1 year              1
1  Individual - 10 years:             10
2   Membership 2019-2024            NaN

如果需要将结果转为整数类型（保留空值），可以追加类型转换：

df['contract_years'] = df['contract_years'].astype('Int64')

正则说明：

• (\d+)：捕获1位及以上的连续数字，即目标年限值
• \s*：匹配数字和关键词之间0到多个任意空白字符
• years?：同时兼容单数year和复数years两种写法
• (?=[:\s]|$)：正向预查校验，确保关键词后是冒号、空白或字符串结尾，避免误匹配包含year的其他长单词。

内容的提问来源于stack exchange，提问作者Osca