Python正则后行与负后行断言困惑及Pandas字符串提取需求

我来帮你搞定这个需求！要从Pandas DataFrame中提取斜杠右侧的rabbit相关术语，同时排除掉右侧字符串里rabbit前面带有jack（不管中间有没有间隔字符）的情况，我们可以结合Pandas的字符串处理工具和正则表达式来实现，下面是具体步骤和代码示例：

1. 提取斜杠右侧的字符串内容 #

首先我们需要把目标列的字符串按/分割，单独取出右侧的部分。可以用Pandas的str.split()方法来快速实现：

import pandas as pd

# 先构造一个测试用的DataFrame（你可以替换成自己的真实数据）
df = pd.DataFrame({
    'target_col': [
        'animal/white rabbit',
        'pet/jack rabbit',
        'wild/jack and rabbit',
        'zoo/rabbit hole',
        'farm/jackrabbit',
        'park/brown rabbit'
    ]
})

# 分割字符串，提取斜杠右侧的内容，存为新列
df['right_side'] = df['target_col'].str.split('/', expand=True)[1]

2. 筛选并提取符合条件的rabbit术语 #

接下来我们需要筛选出right_side列中包含rabbit，且rabbit前面没有jack（无论是否有间隔）的内容。这里用负向预查正则表达式来精准匹配：

正则表达式：^(?!.*jack.*rabbit).*rabbit.*$

• ^：匹配字符串的开头
• (?!.*jack.*rabbit)：负向预查，意思是"整个字符串中不存在'任意字符+jack+任意字符+rabbit'的序列"
• .*rabbit.*：确保字符串中包含rabbit
• 可以加上case=False参数来忽略大小写（如果你的数据里有大小写混合的情况）

然后用str.contains()来筛选，再用where()提取符合条件的内容：

# 定义匹配规则
pattern = r'^(?!.*jack.*rabbit).*rabbit.*$'

# 提取符合条件的rabbit术语，不符合的设为None
df['valid_rabbit_term'] = df['right_side'].where(df['right_side'].str.contains(pattern, case=False), None)

最终结果 #

运行上面的代码后，你的DataFrame会变成这样：

如果你的需求是只提取rabbit相关的核心术语（比如只保留"rabbit"或带修饰的部分，而不是整个右侧字符串），可以调整正则为r'(?<!jack.*)\brabbit\b.*'，不过根据你的描述，上面的方案应该已经能满足需求啦。

内容的提问来源于stack exchange，提问作者user1718097