Python|Regex拆分DataFrame嵌套行而非列的技术问询

没问题，我来帮你搞定这个嵌套行的拆分问题！首先咱们得先明确这些数据的规律：每一条记录都是以数字1-7开头，跟着电影名称、发行方、票房等信息，最后以MM/DD/YY格式的日期结尾。基于这个规律，不管用Python结合正则，还是纯正则表达式，都能轻松把这些嵌套的行拆分开。

方法一：Python + 正则表达式（精准匹配完整条目） #

这种方法直接匹配每个完整的行条目，准确率更高，适合数据格式固定的场景。

首先把原始数据存成字符串，然后用re.findall来捕获每个完整的行：

import re

# 原始嵌套数据字符串
raw_data = "1ItWB (NL)$327,481,7484,148$123,403,4194,1039/8/172The ExorcistWB$232,906,145-n/a-12/26/733Get OutUni.$176,040,6653,143$33,377,0602,7812/24/174The Blair Witch ProjectArt.$140,539,0992,538$1,512,054277/16/995The ConjuringWB (NL)$137,400,1413,115$41,855,3262,9037/19/136Paranormal ActivityPar.$107,918,8102,712$77,873129/25/097Interview with the VampireWB$105,264,6082,604$36,389,7052,60411/11/94"

# 正则模式：匹配以数字开头，直到MM/DD/YY日期结尾的完整条目
pattern = r'(\d{1}.*?\d{1,2}/\d{1,2}/\d{2})'
split_rows = re.findall(pattern, raw_data)

# 输出拆分后的每一行
for row in split_rows:
    print(row)

正则说明： #

• \d{1}：匹配每条记录开头的数字（1-7）
• .*?：非贪婪匹配任意字符，避免过度匹配到下一条记录
• \d{1,2}/\d{1,2}/\d{2}：匹配结尾的日期格式（比如9/8/17、12/26/73）

方法二：纯正则拆分（基于拆分位置） #

如果不想捕获完整条目，也可以直接找到拆分的位置，用re.split来分割字符串：

import re

raw_data = "1ItWB (NL)$327,481,7484,148$123,403,4194,1039/8/172The ExorcistWB$232,906,145-n/a-12/26/733Get OutUni.$176,040,6653,143$33,377,0602,7812/24/174The Blair Witch ProjectArt.$140,539,0992,538$1,512,054277/16/995The ConjuringWB (NL)$137,400,1413,115$41,855,3262,9037/19/136Paranormal ActivityPar.$107,918,8102,712$77,873129/25/097Interview with the VampireWB$105,264,6082,604$36,389,7052,60411/11/94"

# 拆分位置：在一个数字前面，且这个数字后面不是斜杠（避免拆分日期里的数字）
split_rows = re.split(r'(?=\d{1}(?![/]))', raw_data)[1:]  # 去掉第一个空元素

# 输出结果
for row in split_rows:
    print(row)

正则说明： #

• (?=\d{1}(?![/]))：正向前瞻匹配，找到后面跟着一个数字（且这个数字不是日期中的斜杠前的数字）的位置，在这里拆分字符串。

运行任意一种方法，你都会得到7条独立的行，每条对应原始的一条记录。

内容的提问来源于stack exchange，提问作者AdrianC