Scala正则提取：如何获取DataFrame列中test1之后的元素

没问题，我来帮你搞定这个提取需求！针对每行内容长度不固定的情况，这里有两种简单可靠的实现方式，用Pandas就能轻松解决：

方法一：使用str.split分割字符串 #

利用字符串分割方法，把每行内容按"test1"拆分成两部分，直接取拆分后的第二部分即可：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'content': [
        'xxx test1 abc',
        'yyy test1 efg',
        'zzz test1 ghg',
        'aaa test1 12345'  # 测试不同长度的内容
    ]
})

# 提取test1之后的部分
df['extracted'] = df['content'].str.split('test1', expand=True)[1]

# 如果想去掉内容前面可能的空格，可以再加个str.strip()
# df['extracted'] = df['content'].str.split('test1', expand=True)[1].str.strip()

这种方法的好处是直观，适合确定每行都包含"test1"的场景；如果有行没有"test1"，对应的extracted列会显示NaN，你可以用fillna('')把空值替换成空字符串。

方法二：使用正则表达式str.extract #

用正则表达式直接匹配"test1"之后的所有内容，灵活性更强：

# 提取test1之后的所有内容（包括可能的空格）
df['extracted'] = df['content'].str.extract(r'test1(.*)', expand=False)

# 如果需要自动去掉前面的空格，修改正则表达式即可：
# df['extracted'] = df['content'].str.extract(r'test1\s*(.*)', expand=False)

这里的正则r'test1(.*)'表示匹配"test1"，然后捕获它后面的所有字符（.*匹配任意长度的任意字符）；\s*用来匹配"test1"后面可能存在的任意数量空格，这样提取出来的内容就不会带开头的空格了。

注意事项 #

• 如果你的DataFrame里存在不含"test1"的行，两种方法都会返回NaN，可以用df['extracted'] = df['extracted'].fillna('')将空值转为空字符串，避免后续处理报错。
• 如果"test1"在一行中出现多次，str.split默认只分割一次（取索引1的部分），str.extract默认捕获第一个"test1"之后的所有内容；如果要提取最后一个"test1"之后的内容，可以把正则改成r'.*test1(.*)'。

内容的提问来源于stack exchange，提问作者Babu