如何对pandas DataFrame中URL的末尾段按规则替换为指定字符串

实现方案 #

你可以结合正则匹配和自定义函数实现需求，步骤和代码如下： #

依赖导入 #

首先确保你已经导入了需要的库：

import pandas as pd
import re

自定义处理逻辑 #

编写规则匹配函数，对应你提到的两个替换要求：

def handle_url_suffix(suffix):
    # 规则1：最后一段为空，返回home_page
    if not suffix.strip():
        return "home_page"
    # 规则2：同时包含字母和数字，返回valid
    has_letter = bool(re.search(r"[a-zA-Z]", suffix))
    has_number = bool(re.search(r"\d", suffix))
    if has_letter and has_number:
        return "valid"
    # 其他情况保留原始后缀
    return suffix

应用到数据框 #

直接在你原有提取逻辑的基础上调用处理函数即可：

df["processed_url"] = df["url"].str.split("/").str[-1].apply(handle_url_suffix)

结果验证 #

针对你给出的三个示例URL，输出结果和预期完全一致：

• https://abc.eu/login → login
• https://abc.eu/ → home_page
• https://abc.eu/ar35gjdb4 → valid
  如果需要额外限制“长字符串”的长度阈值，可以在规则2中额外增加len(suffix) >= 你设定的长度的判断条件即可。

内容的提问来源于stack exchange，提问作者user9364978