如何使用Python删除CSV文本列中含指定子串的日期等无效内容

你原有正则仅匹配/及后续字符，没有覆盖日期开头的月份数字段，所以会残留07这类前缀，同时也没有适配后续的无推荐标识清理逻辑。

单字符串测试代码 #

import re

# 匹配规则：空格+完整日期 + 可选的无推荐说明
pattern = re.compile(r'\s*\d{1,2}/\d{1,2}/\d{4}(?:\s*\(no recommendation\))?')

# 测试用例1
s1 = 'CYP2C19, CYP2D6 07/17/2020'
print(pattern.sub('', s1))  # 输出：CYP2C19, CYP2D6

# 测试用例2
s2 = 'CYP2C9 08/19/2020 (no recommendation)'
print(pattern.sub('', s2))  # 输出：CYP2C9

正则规则说明：

• \s*：匹配日期前的任意数量空格，避免替换后残留多余空格
• \d{1,2}/\d{1,2}/\d{4}：匹配月/日/年格式的完整日期
• (?:\s*\(no recommendation\))?：可选匹配日期后跟着的无推荐说明，?:表示非捕获组，?表示该部分可出现0次或1次

全CSV文件处理（pandas方案，适合快速处理） #

如果已经安装pandas，直接调用列级处理即可：

import pandas as pd
import re

pattern = re.compile(r'\s*\d{1,2}/\d{1,2}/\d{4}(?:\s*\(no recommendation\))?')

# 读取CSV
df = pd.read_csv('你的文件路径.csv')

# 替换目标列，把下方"content"改成你实际要处理的列名
df['content'] = df['content'].apply(lambda x: pattern.sub('', str(x)))

# 导出结果
df.to_csv('处理后结果.csv', index=False)

全CSV文件处理（内置csv模块，无需安装第三方依赖） #

import csv
import re

pattern = re.compile(r'\s*\d{1,2}/\d{1,2}/\d{4}(?:\s*\(no recommendation\))?')
# 要处理的列的索引，第一列是0，根据实际调整
target_col_index = 2

with open('你的文件路径.csv', 'r', encoding='utf-8') as f_in, open('处理后结果.csv', 'w', encoding='utf-8', newline='') as f_out:
    reader = csv.reader(f_in)
    writer = csv.writer(f_out)
    for row in reader:
        if len(row) > target_col_index:
            row[target_col_index] = pattern.sub('', row[target_col_index])
        writer.writerow(row)

内容的提问来源于stack exchange，提问作者rayoto