Python实现从表格列文本中提取cmp/与/reviews间的公司名称

你要提取的内容有明确的固定前后缀特征，直接用正则匹配捕获即可，不需要预设公司名称库，通用方案如下：

核心正则规则 #

匹配规则为cmp\/([^\/]+)\/reviews，逻辑说明：

• 先匹配固定前缀cmp/
• 捕获组([^\/]+)抓取所有不包含斜杠/的字符，也就是目标公司名称
• 最后匹配固定后缀/reviews，确保定位精准不会误抓其他内容

不同工具的实现方式 #

表格工具（Excel/WPS/Google Sheets） #

直接使用内置正则提取函数即可，假设链接存放在A列，对应公式为：
=REGEXEXTRACT(A1, "cmp\/([^\/]+)\/reviews")
输入后下拉即可批量完成整列提取。

Python 批量处理 #

如果需要处理大量数据，可以用pandas批量处理表格：

import pandas as pd
import re

# 读取原始表格
df = pd.read_excel("你的原始表格路径.xlsx")

# 定义提取逻辑
def get_company_name(content):
    res = re.search(r"cmp\/([^\/]+)\/reviews", str(content))
    return res.group(1) if res else ""

# 生成提取结果列
df["公司名称"] = df["存储链接的列名"].apply(get_company_name)

# 导出结果
df.to_excel("提取完成的表格.xlsx", index=False)

其他工具 #

只要工具支持正则捕获功能，直接套用上面的核心正则规则，取第一个捕获组的返回值即可完成提取。

内容的提问来源于stack exchange，提问作者Mr_12