如何从pandas列中提取被**包裹的子串并解决正则匹配报错？

• 正则语法不规范：*在正则规则里是特殊量词，作用是匹配前一个字符出现0次或更多次。你的正则表达式开头直接写**，第一个*没有对应的前置匹配字符，正则解析器无法识别匹配规则，所以抛出nothing to repeat at position 0的错误。如果要匹配文本中实际的*符号，需要用反斜杠转义，写成\*。
• 方法调用不符合pandas使用规则：re.search只能接收单个字符串作为入参，不能直接传入pandas的Series对象（也就是你取的df.description整列数据），处理整列的正则匹配需要用pandas自带的字符串处理方法。

直接用pandas的str.extract方法完成整列提取，示例代码如下：

# 提取所有**包裹的内容，存入新列status
df['status'] = df['description'].str.extract(r'\*\*(.+?)\*\*')

代码说明：

• 字符串前加r代表使用原生字符串，避免反斜杠转义符被Python本身提前解析
• \*\*匹配文本中实际存在的**符号
• (.+?)是非贪婪匹配，会捕获两个**之间的所有内容，最终返回的就是你需要的状态值

如果要基于提取的内容做筛选，直接用生成的status列过滤即可，比如筛选所有状态为Closed的行：

closed_task_df = df[df['status'] == 'Closed']

内容的提问来源于stack exchange，提问作者vaisxn