Python如何提取链接中指定起止字符间的ID并存入新列

我们直接用pandas搭配正则表达式实现需求，代码可直接运行：

• 第一步：导入依赖库

import pandas as pd

• 第二步：定义提取逻辑，新增ID列
  核心用正则匹配tt之后、第一个/之前的数字段，转整数自动去除前导零，完全匹配预期输出：

# 假设df是你读取后的数据集，可通过pd.read_excel、pd.read_csv等方法读入本地文件生成
df['ID'] = df['Link'].str.extract(r'tt(\d+)/').astype('Int64')

注：用Int64（首字母大写）而不是默认int类型，可以兼容匹配不到的空值场景，不会触发报错。如果你的数据集所有链接都符合格式规范，直接用int也可以。

• 完整测试示例（用你提供的样例数据验证）

# 构造样例数据集
data = {
    'Movie': ['movie 1'],
    'Link': ['http://www.imdb.com/title/tt0114709/?ref_=fn_tt_tt_1']
}
df = pd.DataFrame(data)
# 提取ID
df['ID'] = df['Link'].str.extract(r'tt(\d+)/').astype(int)
print(df)

运行后输出和你给出的预期结果完全一致。

内容的提问来源于stack exchange，提问作者Srikanth Ayithy