对比两个DataFrame 按国家正则校验转换邮政编码并解决捕获组报错

报错原因 #

你遇到的ValueError: pattern contains no capture groups报错，核心原因是pandas的str.extractall()方法要求正则表达式必须包含至少一个带括号的捕获组，你提供的正则表中部分规则（比如拉脱维亚的[L]{1}[V]{1}-{4}、爱尔兰的STRNG_LTN_EXT_255）没有捕获组，其中爱尔兰的规则甚至不是合法正则，批量遍历时碰到这类规则就会触发报错，这也是你单独跑第二层循环没问题、批量跑报错的原因。

另外原代码用双层for循环遍历3.5万条数据效率极低，完全可以用矢量化操作替代。

修改后可直接运行的代码 #

第一步：导入依赖、读取原始数据

import pandas as pd
import re

# 读取两个CSV文件，邮编和Contact ID统一读为字符串避免格式丢失
countries_df = pd.read_csv("countries.csv", dtype={"Zip Code": str, "Contact ID": str})
regex_df = pd.read_csv("Regex.csv")

第二步：预处理正则表，解决捕获组缺失问题

def preprocess_regex(reg_str):
    # 先校验正则合法性
    try:
        re.compile(reg_str)
    except re.error:
        return None
    # 给整个正则外层加全局捕获组，解决无捕获组报错问题
    return f"({reg_str})"

# 处理正则，过滤无效规则
regex_df["processed_regex"] = regex_df["Regex format"].apply(preprocess_regex)
regex_df = regex_df.dropna(subset=["processed_regex"])
# 转成国家-正则映射字典，后续查询效率更高
country_regex_map = dict(zip(regex_df["Country"], regex_df["processed_regex"]))

第三步：批量处理邮编

如果你的国家字段分散在Country of Residence/Mailing Country等多列中，先新增统一的匹配国家字段：

countries_df["matched_country"] = countries_df["Mailing Country (text only)"].fillna(
    countries_df["Country of Residence"]
).fillna(
    countries_df["Other Country (text only)"]
)

写邮编清洗函数，批量应用：

def clean_zipcode(row):
    # 如果没有做多列国家合并，把下面的matched_country换成你实际的国家字段名
    country = row["matched_country"]
    raw_zip = str(row["Zip Code"]).strip()
    # 无对应国家正则的直接返回原始值
    if country not in country_regex_map:
        return raw_zip
    reg = country_regex_map[country]
    # 提取符合规则的邮编部分
    match_res = re.findall(reg, raw_zip)
    if match_res:
        # 取第一个匹配到的有效邮编
        return match_res[0] if isinstance(match_res[0], str) else match_res[0][0]
    # 没匹配到的返回原始值，可按需修改为返回空值标记异常
    return raw_zip

# 批量处理所有行
countries_df["standard_zipcode"] = countries_df.apply(clean_zipcode, axis=1)

第四步：输出最终结果

# 保留所需字段，Contact ID作为唯一标识
final_df = countries_df[["Contact ID", "Country", "Zip Code", "standard_zipcode"]]
# 可按需导出为CSV
# final_df.to_csv("standard_zip_result.csv", index=False)

内容的提问来源于stack exchange，提问作者qnt13