Python DataFrame提取CSV中company_permalink列的公司名称并去特殊字符

算力阿峰

2026-5-13

解决CSV中company_permalink列的公司名称提取问题

我看你已经有了初步的代码思路，现在帮你完善它，精准提取公司名称并去掉开头的特殊字符：

问题分析

你的现有代码已经完成了第一步：从/organization/-fame这类链接中提取出-fame部分，但后续的正则替换会把所有非字母数字字符都删掉，这不符合“仅去除开头特殊字符”的需求——比如如果公司名是fame-global，我们应该保留中间的-，只去掉开头的特殊符号。

完善后的代码

import re
import pandas as pd

# 先确认已加载CSV文件（如果还没加载的话）
# company = pd.read_csv('company.csv')

# 提取permalink中的目标部分，并去除开头的所有非字母数字字符
company_names = company['company_permalink'].apply(
    lambda x: re.sub(r'^[^a-zA-Z0-9]+', '', x.split('/')[2])
)

# 仅打印提取后的公司名称
for name in company_names:
    print(name)

代码细节说明

x.split('/')[2]：从类似/organization/-fame的链接中拆分出-fame这部分，和你原来的逻辑一致，适配示例里的链接结构。
re.sub(r'^[^a-zA-Z0-9]+', '', ...)：这里的正则^[^a-zA-Z0-9]+专门匹配字符串开头的一个或多个非字母数字字符，用空字符串替换后，只会去掉开头的特殊符号，保留名称中间的合法符号（比如连字符、下划线）。
最后通过循环逐个打印结果，完全满足你“仅打印公司名称”的要求。