基于Pandas提取文本中所有nameis标识后姓名并存入指定列

1. 基础需求（单条文本仅一个nameis:标识） #

优化原有正则的兼容性，支持姓名前后多余空格、and前后无空格等边缘场景，无需提前做replace操作：

# 一步提取姓名和剩余内容
extract_df = df['column'].str.extract(
    r'nameis:\s*(?P<first_last_name>.*?)\s*(?:,|\band\b)',
    expand=True
)
# 合并结果到原数据表
df = pd.concat([df, extract_df], axis=1)

正则逻辑说明：

• nameis:\s* 匹配前缀标识，忽略标识后的任意数量空格
• (?P<first_last_name>.*?) 非贪婪匹配所有字符作为姓名，天然支持带空格的中间名格式
• \s*(?:,|\band\b) 匹配姓名终止符：逗号或独立的and单词，忽略终止符前的任意空格

2. 进阶需求（单条文本含多个nameis:标识） #

使用str.extractall提取所有匹配项，再按原行索引分组拼接即可：

# 提取所有匹配的姓名，返回带多重索引的结果
all_names = df['column'].str.extractall(
    r'nameis:\s*(?P<first_last_name>.*?)\s*(?:,|\band\b)'
)['first_last_name']
# 按原行索引分组，同一行的多个姓名用逗号拼接，合并到原表
df['first_last_name'] = all_names.groupby(level=0).apply(','.join).fillna('')

以上代码适配你给出的示例场景，多nameis:的测试用例输出结果分别为joe doe,adrian muller、patric test,adam joe，符合需求。

内容的提问来源于stack exchange，提问作者scofx