Pandas：从分隔符不统一的不规则字符串提取关键字对应数值并转列

这种分隔符不固定的非结构化文本提取，直接用正则匹配键值对比逐段拆分效率更高，也能自动过滤单位、分隔符这类无关内容，具体实现步骤如下：

第一步：导入依赖库 #

import pandas as pd
import re

第二步：构造测试数据（已有真实数据可跳过） #

df = pd.DataFrame({
    'Area': ['foo', 'bar', 'baz', 'qux'],
    'Dimensions': [
        'Length: 2m; Width: 3m; Height: 4m; Slope- 3',
        'Width: 6m; Length: 4m; Height: 3m; Slope: 6',
        'Height: 4m; Slope: 4; Volume = 24m3',
        'Vol: 42m3'
    ]
})

第三步：定义维度提取逻辑 #

# 统一同义维度名，避免出现Vol和Volume分为两列的问题
key_map = {
    "Vol": "Volume"
}

def parse_dim_str(dim_str):
    dim_dict = {}
    # 正则直接匹配键名和纯数值，自动跳过分隔符、单位、空白字符
    for key, val in re.findall(r'([a-zA-Z]+)\s*[:=\-]\s*(\d+)', dim_str):
        std_key = key_map.get(key, key)
        dim_dict[std_key] = int(val)
    return pd.Series(dim_dict)

第四步：生成最终结果 #

# 提取所有维度列，和原Area列合并，缺失值填充为NULL
res_df = pd.concat(
    [df["Area"], df["Dimensions"].apply(parse_dim_str)],
    axis=1
).fillna("NULL")

# 按需调整列顺序
res_df = res_df[["Area", "Length", "Width", "Height", "Slope", "Volume"]]

运行后res_df就是符合要求的输出格式，如果需要填充0代替NULL，把fillna("NULL")改成fillna(0)即可。

内容的提问来源于stack exchange，提问作者crysoar