如何清洗CSV字符串列，仅保留其中的人名内容？

嘿，我明白你需要从那份2018年总统会议CSV的oque列里，把混杂在其他内容里的人名单独提取出来，只保留名字、中间名和姓氏对吧？结合你的需求，我给你准备了两种常用场景的解决方案，你可以按需选择：

处理CSV文件最灵活的方式还是用Python的pandas库，配合正则表达式精准匹配人名。考虑到原数据集是葡萄牙语的，正则里特意兼容了带重音的姓名：

1. 先导入所需库并读取CSV文件：

import pandas as pd
import re

# 替换成你的CSV文件路径
df = pd.read_csv("2018总统会议记录.csv")

2. 定义一个提取并可选截断人名的函数：

def extract_and_truncate_names(text):
    # 匹配葡萄牙语姓名：首字母大写，支持中间名，多个姓名用逗号+空格分隔
    name_pattern = r'([A-Z][a-zA-ZÀ-ÿ]+(?: [A-Z][a-zA-ZÀ-ÿ]+)*)'
    # 提取所有符合格式的姓名
    matched_names = re.findall(name_pattern, text)
    # 对过长的姓名进行截断（比如你例子里的Henrique Me...），这里设置截断长度为10，可自行调整
    processed_names = [name if len(name) <= 10 else f"{name[:10]}..." for name in matched_names]
    # 用逗号连接所有姓名
    return ', '.join(processed_names)

# 将函数应用到oque列，生成新的提取后列
df['提取的人名'] = df['oque'].apply(extract_and_truncate_names)

3. 保存处理后的文件：

# 保存为新的CSV，不保留索引列
df.to_csv("处理后的总统会议记录.csv", index=False)

小提示：如果你的姓名有特殊格式（比如带头衔缩写），可以调整正则表达式的规则，比如去掉Dr.这类前缀，只保留纯姓名部分。

如果你更习惯用Excel，这里有个适合Excel 365或新版Excel的公式，能直接拆分并提取人名，还支持截断：

假设你的oque列在A列，在B2单元格输入以下公式，然后下拉填充即可：

=TEXTJOIN(", ", TRUE, IF(ISNUMBER(SEARCH(" ", TRIM(MID(SUBSTITUTE(A2, ",", REPT(" ", 100)), (ROW(INDIRECT("1:"&LEN(A2)-LEN(SUBSTITUTE(A2,",",""))+1))-1)*100+1, 100)))), IF(LEN(TRIM(MID(SUBSTITUTE(A2, ",", REPT(" ", 100)), (ROW(INDIRECT("1:"&LEN(A2)-LEN(SUBSTITUTE(A2,",",""))+1))-1)*100+1, 100)))>10, LEFT(TRIM(MID(SUBSTITUTE(A2, ",", REPT(" ", 100)), (ROW(INDIRECT("1:"&LEN(A2)-LEN(SUBSTITUTE(A2,",",""))+1))-1)*100+1, 100)),10)&"...", TRIM(MID(SUBSTITUTE(A2, ",", REPT(" ", 100)), (ROW(INDIRECT("1:"&LEN(A2)-LEN(SUBSTITUTE(A2,",",""))+1))-1)*100+1, 100))), ""))

注：如果是旧版Excel，输入公式后需要按Ctrl+Shift+Enter触发数组公式生效。

内容的提问来源于stack exchange，提问作者agccaesar