如何按括号内标识条件拆分文本列并匹配分配内容到对应列
实现方案
直接用pandas原生字符串方法搭配正则提取即可,完全以括号作为分隔边界,不需要手动split后遍历分组。
基础实现(内容为双引号包裹场景)
针对你给出的示例格式,直接用str.findall向量化提取,性能比自定义apply更高:
import pandas as pd import re # 提取所有(nytimes)后双引号包裹的内容,返回数组 df['NYTimes'] = df['text'].str.findall(r'\(nytimes\)\s*"([^"]+)"') # 提取所有(wsj)后双引号包裹的内容,返回数组 df['WSJ'] = df['text'].str.findall(r'\(wsj\)\s*"([^"]+)"')
正则说明:
\(nytimes\)精准匹配标识括号,避免匹配到文本内容里的普通nytimes字符串\s*兼容标识和内容之间的任意数量空格/换行"([^"]+)"捕获双引号内的所有内容,不会跨标识匹配
通用实现(任意内容格式,仅以括号为分隔边界)
如果内容没有用双引号包裹,仅以下一个括号标识作为内容结束的判断标准,使用带零宽断言的正则:
# 匹配(nytimes)之后到下一个(开头的标识或文本末尾的内容,自动去除首尾空白 df['NYTimes'] = df['text'].str.findall(r'\(nytimes\)\s*(.*?)(?=\s*\(|$)') # 匹配(wsj)之后到下一个(开头的标识或文本末尾的内容,自动去除首尾空白 df['WSJ'] = df['text'].str.findall(r'\(wsj\)\s*(.*?)(?=\s*\(|$)')
效果验证
以你给出的示例文本(nytimes) "news on war" (wsj) "news on business" (nytimes) "more news"为例,执行代码后输出结果完全符合预期:
- NYTimes列:
["news on war", "more news"] - WSJ列:
["news on business"]
内容的提问来源于stack exchange,提问作者around_And_Around
相关产品推荐
相关产品推荐

