Python正则如何添加可选匹配字段不影响其余必填字段提取

开发者阿泽

2026-9-27

正则可选字段匹配调整方案

问题根源

你之前的正则存在两个核心错误：

错误加入|分支运算符，正则匹配到前半段门店字段后就会终止，不会继续匹配后面的Details等字段
使用贪婪匹配.*会优先吞噬尽可能多的字符，容易把可选的Reason内容吞掉，导致匹配失效

调整后的正则

parser = re.compile(
    r"your store, ([^,]+).*?(?:Reason: ([^\n]*))?.*?Details: ([^\n]*).*?Created at: ([^\n]*).*?Scheduled end time: ([^\n]*)",
    flags=re.DOTALL | re.MULTILINE
)

正则逻辑说明

所有.*替换为非贪婪匹配.*?，保证按顺序匹配后续字段，不会提前吞噬内容
用(?:Reason: ([^\n]*))?定义可选匹配项：?:将外层括号设为非捕获组，不占用分组索引，末尾的?表示整个分组可以出现0次或1次
去掉了错误的分支符，保证所有字段匹配逻辑连续

完整可运行代码

import re
import pandas as pd

# 正则定义
parser = re.compile(
    r"your store, ([^,]+).*?(?:Reason: ([^\n]*))?.*?Details: ([^\n]*).*?Created at: ([^\n]*).*?Scheduled end time: ([^\n]*)",
    flags=re.DOTALL | re.MULTILINE
)

# 初始化所有字段列，新增REASON列
df1['STORE'] = ''
df1['REASON'] = ''
df1['DETAILS'] = ''
df1['TIME_PAUSE_CREATED'] = ''
df1['TIME_PAUSE_END'] = ''

for index, i in enumerate(df1.DESCRIPTION):
    txt = parser.findall(i)
    if txt:
        field = txt[0]
        df1.loc[index, 'STORE'] = field[0]
        # 空匹配时填充Null
        df1.loc[index, 'REASON'] = field[1].strip() if field[1].strip() else 'Null'
        df1.loc[index, 'DETAILS'] = field[2]
        df1.loc[index, 'TIME_PAUSE_CREATED'] = field[3]
        df1.loc[index, 'TIME_PAUSE_END'] = field[4]