Pandas的str.extract用正则提取仅返回首个匹配是方法还是正则问题？

问题原因 #

该现象由str.extract方法本身的设计特性导致，和正则表达式配置无关。
Pandas中str.extract的实现逻辑仅返回正则表达式第一个捕获组的首个匹配结果，不支持全局匹配。你在regex101开启全局模式后可以拿到全部匹配，是因为regex101的全局搜索逻辑独立于Pandas的方法实现，两者不互通。

解决建议 #

方案1：直接替换非小写字母字符（推荐，性能最高） #

直接用str.replace将所有非小写字母的字符替换为空，一步得到目标结果：

leaseterm1['Termtext'] = leaseterm1['TermNew'].str.replace(r'[^a-z]', '', regex=True)

其中正则[^a-z]代表匹配所有不属于a-z小写字母的字符，全部替换为空后自然得到所有小写字母拼接的结果。

方案2：全局提取后拼接 #

如果需要走「提取所有字母序列再拼接」的逻辑，可以使用支持全局匹配的str.findall方法：

leaseterm1['Termtext'] = leaseterm1['TermNew'].str.findall(r'[a-z]+').str.join('')

str.findall会返回每个字符串中所有匹配的小写字母序列组成的列表，再通过str.join('')将列表内的元素拼接为完整字符串。

内容的提问来源于stack exchange，提问作者pekoz1