Python Split()函数使用及电影名年份拆分异常问题求助

嘿，我完全懂你的困扰——那些带额外括号的电影标题确实会把简单的split逻辑搞崩！别慌，咱们换个思路，用正则表达式精准定位最后那个年份括号，就能完美解决这个问题。

为什么之前的方法不行？ #

你之前用的str.split('(', 1, expand=True)是按第一个左括号拆分，但像City of Lost Children, The (Cité des enfants perdus, La) (1999)这种标题，第一个左括号是标题的一部分，拆分后第二列会包含多余的内容，不是我们要的年份。

解决方案：用str.extract配合正则表达式 #

正则表达式可以精准匹配最后一个括号里的四位年份，不管标题里有多少其他括号。具体代码如下：

# 拆分标题和年份
movies[['clean_title', 'release_year']] = movies['title'].str.extract(r'^(.*)\s\((\d{4})\)$', expand=True)

正则表达式解释：

• ^(.*)：贪婪匹配从开头到最后一个空格+左括号之前的所有内容，这样就能保留标题里的所有括号和内容
• \s\(：匹配年份前的空格和左括号（确保是最后那个括号）
• (\d{4})：匹配四位数字的年份（电影上映年份基本都是四位）
• \)$：匹配年份后的右括号，确保是结尾的括号

测试异常案例 #

对于你提到的两个异常案例：

1. City of Lost Children, The (Cité des enfants perdus, La) (1999) → 拆分后clean_title是City of Lost Children, The (Cité des enfants perdus, La)，release_year是1999
2. City of Lost Children, The. Cité des enfants perdus, La) (1999) → 拆分后clean_title是City of Lost Children, The. Cité des enfants perdus, La)，release_year是1999

完全符合你的期望！

额外小提示 #

如果有些标题没有年份括号，str.extract会返回NaN，你可以用fillna处理这些情况：

# 处理缺失的年份值
movies['release_year'] = movies['release_year'].fillna('Unknown')

内容的提问来源于stack exchange，提问作者vivace