Pandas DataFrame指定列按特定字符串截取中间内容的实现问题

针对你的两个问题，直接给出可运行的实现方案：

问题1：添加OR逻辑匹配两个起始关键词 #

正则表达式中直接用|表示或逻辑，将两个关键词放在正向预查规则内即可，代码如下：

import re

# 仅实现删除两个起始关键词之前的内容
df['PDF_text'] = df['PDF_text'].str.replace(
    r"^.+?(?=NOTICE OF COUNCIL MEMBERS MOTIONS|Motions on Notice)",
    "",
    regex=True
)

问题2：删除所有大小写形式的New Business及之后内容 #

搭配re.IGNORECASE忽略大小写，re.DOTALL让.匹配换行符（适配PDF提取的多行文本场景），代码如下：

# 删除所有大小写形式的New Business及之后的全部内容
df['PDF_text'] = df['PDF_text'].str.replace(
    r"new business.*",
    "",
    regex=True,
    flags=re.IGNORECASE | re.DOTALL
)

一步完成全部截取的合并写法 #

你也可以把两个规则合并为一行代码，一次性完成前后冗余内容的删除：

import re

df['PDF_text'] = df['PDF_text'].str.replace(
    r"^.+?(?=NOTICE OF COUNCIL MEMBERS MOTIONS|Motions on Notice)|new business.*",
    "",
    regex=True,
    flags=re.IGNORECASE | re.DOTALL
)

规则说明 #

• 如果某行文本不存在指定的起始/结束关键词，替换操作不会生效，会保留原始文本
• 若需处理关键词可能前后有多余空格的场景，可在关键词前后加\s*适配空白字符

内容的提问来源于stack exchange，提问作者scotiaboy