如何用Python正则匹配Excel单元格末尾模式拆分多列数据

问题根因 #

你原有正则失效的核心原因是：正则里的$锚定的是原始未拆分字段的末尾，而原始字段末尾是 x 数字的结构，不存在大写字母结尾的情况，自然无法匹配到分类。你已经把原始字段拆分为「标题+分类」和「Rating」两部分，应该在拆分后的「标题+分类」字段上做末尾匹配。

实现步骤 #

1. 首先修正拆分Rating的代码，拆分后得到临时存储「标题+分类」的字段：

data[['tmp_title_category', 'Rating']] = data['Movie Titles/Category/Rating'].str.split(' x ', expand=True)

2. 从临时字段末尾提取Category，正则通过$锚定匹配末尾，只会命中最后一个符合规则的大写组合，不会匹配中间的EXPL：

data['Category'] = data['tmp_title_category'].str.extract(r'\s([A-Z]{1,2}-\d{1,2}|[A-Z]{2,})$', expand=True)

3. 剔除临时字段末尾的分类内容，得到最终的标题：

data['Title'] = data['tmp_title_category'].str.replace(r'\s([A-Z]{1,2}-\d{1,2}|[A-Z]{2,})$', '', regex=True)

4. 清理不需要的临时字段和原始字段：

data = data.drop(columns=['tmp_title_category', 'Movie Titles/Category/Rating'])

正则说明 #

• \s匹配分类前的前置空格，避免匹配到标题里的大写内容
• 捕获组内的两个分支分别匹配两类分类规则：[A-Z]{1,2}-\d{1,2}对应A-13、DC-23这类带横杠的分类，[A-Z]{2,}对应IMDB、FEAR这类纯大写字母分类
• 末尾的$锚定匹配位置为临时字段的末尾，确保只会匹配最后一个符合规则的分类，不会命中标题中间的大写组合

内容的提问来源于stack exchange，提问作者bluepanther9999