pandas Series正则字符串提取:如何排除字段开头的多余符号
正则调整逻辑
原有代码提取的package字段带冒号,核心原因是正则没有显式将房间号和套餐之间的冒号从捕获范围剔除:数字匹配完成后,package捕获组从数字的下一个字符开始匹配,第一个非空白字符正好是分隔用的冒号,自然就被算进了套餐内容里。
修正后的正则
替换原正则为:(?P<room>[0-9]+)\s*:\s*(?P<package>[^,]+)
各部分的匹配逻辑:
(?P<room>[0-9]+):保留原有规则,匹配连续数字作为房间号\s*:\s*:作为非捕获的分隔匹配,吃掉房间号和套餐之间的冒号,以及冒号前后任意数量的空格,这部分内容不会出现在最终提取结果中(?P<package>[^,]+):匹配直到下一个逗号前的所有内容作为套餐名,兼容不同套餐的名称格式
完整可运行代码
import numpy as np import pandas as pd d = np.array(['624: COUPLE , 507: DELUXE+ ,301: HONEYMOON','614:FAMILY , 507: FAMILY+']) df = pd.Series(d) df = df.str.extractall(r'(?P<room>[0-9]+)\s*:\s*(?P<package>[^,]+)') # 可选:清理package字段末尾可能残留的尾随空格 df['package'] = df['package'].str.strip()
适配说明
这套正则可以兼容示例数据里的多种格式:
- 冒号前后带空格的格式,比如
624: COUPLE - 冒号前后无空格的格式,比如
614:FAMILY - 逗号前带多余空格的格式,比如
DELUXE+ ,301
提取后package字段不会再出现前置的冒号,结果和预期完全一致。
内容的提问来源于stack exchange,提问作者BN production
相关产品推荐
相关产品推荐

