Pandas中使用str.extract实现START到多终止词内容提取的正则问题

你只需要把原来的单个终止词替换为非捕获可选组即可，调整后的正则如下：

(?s)START(.*?)(?:STOP\s+WORD|ANOTHER\s+DELIMITER)

正则说明 #

• 保留了你原有的(?s)单行模式，支持跨行匹配内容
• (?:STOP\s+WORD|ANOTHER\s+DELIMITER)是核心修改部分：
  • ?:表示这是个非捕获组，不会被str.extract作为单独结果返回，避免生成多余列
  • |是正则或逻辑，会匹配两个终止词中先出现的那个
• 中间的.*?惰性匹配保证只会取到第一个终止词之前的内容，符合你要的首个匹配要求

Pandas 调用示例 #

import pandas as pd

# 构造测试数据
df = pd.DataFrame({
    "content": [
        "START hello there STOP WORD",
        "START Good morning ANOTHER DELIMITER",
        "START 跨行测试\n换行内容 STOP WORD"
    ]
})

# 提取目标内容，自动去首尾空格（可选操作，按需保留）
df["extract_result"] = df["content"].str.extract(r"(?s)START(.*?)(?:STOP\s+WORD|ANOTHER\s+DELIMITER)").apply(lambda x: x.str.strip())

运行后你给的两个示例会分别返回hello there和Good morning，完全符合预期。如果后续需要新增更多终止词，直接在非捕获组内用|追加即可。

内容的提问来源于stack exchange，提问作者user40739