如何用正则表达式转换ISO 8601 PT格式时长为秒？含DataFrame列处理

嘿，我来帮你搞定这两个问题！不管是单个时长字符串转秒，还是批量处理DataFrame列，都有不少实用的方法，咱们一步步说：

1. 单个PT格式时长转秒数 #

你的正则思路没问题，但可以优化得更顺手：

优化版正则写法 #

直接让捕获组只提取数字，不用带单位，省掉后续处理单位的步骤：

import re
def iso_to_sec(duration):
    # 用非捕获组(?:...)包裹单位，捕获组只拿数字
    match = re.match(r'PT(?:(\d+)H)?(?:(\d+)M)?(?:(\d+)S)?', duration)
    hours = int(match.group(1)) if match.group(1) else 0
    minutes = int(match.group(2)) if match.group(2) else 0
    seconds = int(match.group(3)) if match.group(3) else 0
    return hours * 3600 + minutes * 60 + seconds

试一下iso_to_sec("PT7M37S")，直接返回457，完美～

更灵活的正则方法 #

用re.findall一次性抓所有数字和单位，再计算总和，这种写法不管单位顺序（虽然ISO标准是H→M→S，但万一遇到不规范的格式也能处理）：

def iso_to_sec_v2(duration):
    parts = re.findall(r'(\d+)([HMS])', duration)
    unit_map = {'H': 3600, 'M': 60, 'S': 1}
    return sum(int(num) * unit_map[unit] for num, unit in parts)

比如iso_to_sec_v2("PT1H2M3S")会返回3723，非常简洁。

2. DataFrame列批量转换为秒数 #

针对DataFrame的批量处理，优先用向量化操作，比逐行apply高效得多：

方法1：Pandas向量化提取计算（推荐大数据量） #

用str.extract一次性把所有行的小时、分钟、秒提取出来，再计算总秒数：

import pandas as pd

# 假设你的DataFrame是df，目标列叫duration
# 提取各部分数值，空值会自动设为NaN
df[['hours', 'minutes', 'seconds']] = df['duration'].str.extract(r'PT(?:(\d+)H)?(?:(\d+)M)?(?:(\d+)S)?')
# 把空值填充为0，转成整数类型
df[['hours', 'minutes', 'seconds']] = df[['hours', 'minutes', 'seconds']].fillna(0).astype(int)
# 计算总秒数
df['total_seconds'] = df['hours'] * 3600 + df['minutes'] * 60 + df['seconds']

这种方法利用Pandas的底层优化，处理几十万行数据也很快。

方法2：自定义函数+apply（适合小数据量） #

如果数据量不大，直接用前面的自定义函数加apply就行，代码更简洁：

df['total_seconds'] = df['duration'].apply(iso_to_sec_v2)

方法3：第三方库一键解决（最省心） #

要是允许用第三方库，isodate可以直接解析ISO时长，不用自己写正则：

from isodate import parse_duration

df['total_seconds'] = df['duration'].apply(lambda x: parse_duration(x).total_seconds())

记得先安装库：pip install isodate，这个方法最省脑子～

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