如何用正则移除DataFrame列星号空行并生成temp、word两列

原代码出现大量None的原因 #

• 没有边界判断：如果待处理的字符串没有换行符，调用split("\n")[1]会触发索引越界错误，无返回值得到None
• 外层if逻辑冗余：re.findall返回的是匹配正则的子串列表，只要当前行包含正则外的特殊字符，就会导致if description.split("\n")[1] in substring判断不成立，函数无对应分支返回，默认得到None
• 逻辑和需求不匹配：现有代码完全没有实现移除星号、过滤空行、匹配指定词汇的要求，逻辑写偏了

修正后完整代码 #

import pandas as pd
import re

# 给定匹配词列表
words = ['SECTION 11', 'CONE', 'BELLY', 'FIXED PLAN']

# 定义处理函数
def process_localisation(desc):
    # 处理temp列：取第一个换行符之后的所有内容，移除星号，过滤空行
    split_res = desc.split("\n", maxsplit=1) # 只分割1次，保留后续换行结构
    if len(split_res) < 2:
        temp = ""
    else:
        # 移除所有星号，按行拆分过滤空行后重新拼接
        temp_lines = [line.replace("*", "").strip() for line in split_res[1].split("\n")]
        temp = "\n".join([line for line in temp_lines if line])
    
    # 处理word列：匹配指定列表里的词，移除星号
    match_word = ""
    for w in words:
        if w in temp:
            match_word = w.replace("*", "")
            break # 匹配到第一个就终止，需要匹配所有可修改为列表收集
    return pd.Series([temp, match_word])

# 调用函数给DataFrame新增两列
df[["temp", "word"]] = df["localisation"].apply(process_localisation)

代码说明 #

• 新增边界判断逻辑，完全避免索引越界问题，所有分支都有明确返回值，不会再出现None
• 处理temp列时统一移除所有星号，逐行去除首尾空白后过滤空行，完全符合需求
• 匹配word时直接遍历指定列表匹配，匹配结果自动做星号移除处理

内容的提问来源于stack exchange，提问作者grinim