如何在Python行级清洗函数中实现Piping regex操作链，避免大量if/else

错误原因说明 #

• 你之前使用的.str是Pandas Series对象的专属向量化字符串处理方法，普通Python原生字符串没有该属性，因此触发AttributeError
• or逻辑不生效的原因是：当re.match匹配失败返回None时，直接调用.group()会先抛出异常，无法进入or的判断分支

解决方案 #

核心思路是将所有正则规则按执行顺序存入列表，遍历规则依次处理输入字符串，匹配失败则保留原串进入下一轮处理，无需编写大量if/else，后续新增规则只需追加到规则列表即可：

import re

def shop_name_cleaning(shop_name):
    # 初始化当前处理字符串，统一转字符串并去除首尾空格
    current = str(shop_name).strip()
    # 按执行顺序定义所有清洗规则
    rules = [
        # 规则1：去除www前缀
        lambda s: re.match(r'(.*(?<!-))www\.(.*)', s).group(2).strip() if re.match(r'(.*(?<!-))www\.(.*)', s) else s,
        # 规则2：去除.com/.de/.co.uk等域名后缀
        lambda s: re.match(r'(.*)\.(?=\bcom\b|\bde\b|\bit\b|\bco\.uk\b|\beu\b|\blv\b).*$', s).group(1).strip() if re.match(r'(.*)\.(?=\bcom\b|\bde\b|\bit\b|\bco\.uk\b|\beu\b|\blv\b).*$', s) else s,
        # 后续新增规则直接在此处追加即可，无需修改其他逻辑
        # lambda s: 你的处理逻辑,
    ]
    # 遍历执行所有规则
    for rule in rules:
        current = rule(current)
    return current

调用方式和你预期的完全一致：

test['identified_name'] = test.apply(lambda row: shop_name_cleaning(row['shopname']), axis=1)

简化写法（可选） #

如果需要添加10+条规则，可封装工具函数简化规则定义，避免重复写正则匹配判断：

import re

def regex_extract(pattern, group_idx=1, strip_result=True):
    """正则提取工具函数：匹配成功返回指定分组结果，失败返回原字符串"""
    def wrapper(s):
        match_res = re.match(pattern, s)
        if not match_res:
            return s
        extract_val = match_res.group(group_idx)
        return extract_val.strip() if strip_result else extract_val
    return wrapper

def shop_name_cleaning(shop_name):
    current = str(shop_name).strip()
    # 规则定义大幅简化
    rules = [
        regex_extract(r'(.*(?<!-))www\.(.*)', group_idx=2),
        regex_extract(r'(.*)\.(?=\bcom\b|\bde\b|\bit\b|\bco\.uk\b|\beu\b|\blv\b).*$', group_idx=1),
        # 新增规则只需一行定义
        # regex_extract(r'你的正则表达式', group_idx=要提取的分组序号),
    ]
    for rule in rules:
        current = rule(current)
    return current

内容的提问来源于stack exchange，提问作者Wingyan Yip