如何从Pandas DataFrame中去除特殊字符，提取纯净的实际API URL

核心思路是通过正则匹配提取双引号包裹的https开头的真实URL，自动过滤前缀、后缀引号和多余逗号：

完整实现代码 #

如果你已有现成的DataFrame可跳过模拟数据构造步骤：

import pandas as pd

# 模拟你的原始DataFrame结构
data = {
    "api_url": [
        '"url": "https://apis.asia.pntk.cloud/asiaerState",',
        '"url": "https://apis.asia.pntk.cloud/M6518&=38396885",',
        '"url": "https://apis.asia.pntk.cloud/=38396885"',
        '"url": "https://apis.asia.pntk.cloud/518112A",'
    ]
}
df = pd.DataFrame(data)

方法1：正则提取（推荐，容错性更高） #

直接匹配所有https://开头到下一个双引号之前的内容，就是需要的真实URL：

df['api_url'] = df['api_url'].str.extract(r'(https://[^"]+)', expand=False)

参数说明：expand=False保证返回结果为Series类型，可直接赋值给原列，未匹配到的行将返回NaN。

方法2：冗余内容替换 #

直接删除固定前缀和后缀冗余字符：

df['api_url'] = df['api_url'].str.replace(r'^"url": "|"[,]?$', '', regex=True)

正则含义：

• 开头的^"url": "匹配固定前缀，替换为空
• 结尾的"[,]?$匹配末尾的双引号，以及双引号后可能存在的逗号，替换为空

处理完成后输出df即可得到符合要求的结果。

内容的提问来源于stack exchange，提问作者Dcook