如何在pandas列中匹配指定字符串并返回其后跟随的内容？

针对简介中格式不统一的关键词匹配场景，正则匹配是适配性最高的方案，可以覆盖带不同分隔符、不同关键词变体的内容，不需要逐行写分支判断。

匹配规则设计 #

结合提供的样本数据，需要覆盖的匹配场景包括：

• 关键词变体：insta:、instagram:、ig://
• 关键词与账号间的分隔符：冒号、横杠、斜杠、空格
• 账号前缀：可选的@符号

最终用非捕获组匹配触发关键词、灵活适配分隔符，通过捕获组抓取符合Ins账号规则的内容，避免提取到后续的无关文本。

完整代码实现 #

import pandas as pd
import re

# 构造和样本一致的测试DataFrame
bio_df = pd.DataFrame({
    "tweet_bio": [
        'lad who loves to cook 🥘 • insta: xxx',
        'founder and head chef | insta: xxx |',
        '🇬🇧 |bakery instagram - xxx',
        'insta: @xxx for enquiries',
        'self taught baker. ig:// xxxx 🍥🧆'
    ]
})

# 定义提取正则
# 正则说明：
# (?:insta|instagram|ig)：非捕获组匹配所有Ins相关的触发关键词，不纳入提取结果
# \s*[:\/-]?\s*：匹配关键词后任意空格、冒号、斜杠、横杠分隔符
# @?：匹配账号前可选的@符号，不纳入提取结果
# ([A-Za-z0-9_.]+)：捕获组匹配符合Ins账号规则的连续字符（字母、数字、下划线、点）
extract_pattern = r'(?:insta|instagram|ig)\s*[:\/-]?\s*@?([A-Za-z0-9_.]+)'

# 批量执行提取，IGNORECASE参数适配大小写混写的场景，比如INSTA:、Instagram:
bio_df["extracted_ins"] = bio_df["tweet_bio"].str.extract(extract_pattern, flags=re.IGNORECASE)

效果说明 #

针对提供的5条测试样本，最终提取结果为：

• 第1行：xxx
• 第2行：xxx
• 第3行：xxx
• 第4行：xxx（自动跳过前缀的@符号）
• 第5行：xxxx

可自定义调整项 #

• 如果需要保留账号前的@符号，只需将捕获组调整为(@?[A-Za-z0-9_.]+)即可
• 如果后续碰到新的分隔符（比如关键词后面跟竖线|），只需将对应符号加入正则的分隔符匹配组[:\/-]中
• 对于完全没有匹配到的行，提取结果会自动返回空值，不会报错

内容的提问来源于stack exchange，提问作者Jimmy K