如何从格式不统一的[Description]列中提取末尾序列数字

你可以根据自己使用的工具，选择对应的正则提取函数实现需求，核心匹配规则是抓取字符串末尾最后一组连续8位数字，自动忽略末尾多余的非数字字符，适配你给出的格式不统一的场景。

Excel/WPS 场景 #

如果是支持正则函数的版本，直接使用REGEXEXTRACT，公式如下：

=REGEXEXTRACT(对应单元格, "\d{8}(?=[^\d]*$)")

如果使用的旧版Excel不支持正则函数，可以用嵌套函数数组公式实现，输入后按Ctrl+Shift+Enter生效：

=MID(对应单元格,MAX(IFERROR(FIND(ROW($1:$9),对应单元格,ROW($1:$100)),0))-7,8)

SQL 场景 #

不同数据库的正则提取函数语法略有差异：

• MySQL：使用REGEXP_SUBSTR

SELECT REGEXP_SUBSTR(Description, '[0-9]{8}', 1, REGEXP_COUNT(Description, '[0-9]{8}')) AS extracted_num FROM 你的表名;

• PostgreSQL：使用substring

SELECT substring(Description FROM '(\d{8})[^0-9]*$') AS extracted_num FROM 你的表名;

• Hive/Spark SQL：使用regexp_extract

SELECT regexp_extract(Description, '(\\d{8})[^0-9]*$', 1) AS extracted_num FROM 你的表名;

Python Pandas 场景 #

使用str.extract方法实现批量提取：

import pandas as pd
df['extracted_num'] = df['Description'].str.extract(r'(\d{8})[^\d]*$')

以上方案匹配你给出的3条示例记录，输出结果和你预期的完全一致。

内容的提问来源于stack exchange，提问作者Pak telo