如何通过正则匹配从Pandas DataFrame中提取目标城市名称

没问题，我来帮你搞定这个从Pandas地址列提取城市名的需求！要准确抓出逗号后、固定国家名前的城市（包括多词城市），我们可以用两种思路实现，兼顾不同场景：

方法一：字符串分割法（简单直接） #

先明确我们要排除的国家列表，然后一步步拆分地址字符串：

import pandas as pd

# 先创建示例DataFrame（你可以替换成自己的数据源）
data = {'address': [
    '10 rue des Treuils BP 12 33023, Bordeaux France',
    '45 Avenue de la République, Les Deux Alpes France',
    'Via Roma 123, Val dIsere Italy',
    'Musterstraße 45, Munich Germany'
]}
df = pd.DataFrame(data)

# 定义需要排除的国家列表，可根据你的需求随时扩展
country_list = ['France', 'Italy', 'Germany']

# 核心提取逻辑
df['city'] = df['address'].str.split(',', expand=True)[1] \
                          .str.split('|'.join(country_list), expand=True)[0] \
                          .str.strip()

# 查看结果
print(df[['address', 'city']])

运行后会得到：

address            city
0        10 rue des Treuils BP 12 33023, Bordeaux France        Bordeaux
1  45 Avenue de la République, Les Deux Alpes France  Les Deux Alpes
2                  Via Roma 123, Val dIsere Italy       Val dIsere
3                    Musterstraße 45, Munich Germany          Munich

方法二：正则提取法（更灵活，支持大小写） #

如果你的地址里国家名可能有大小写混合（比如france小写），用正则会更稳妥：

import pandas as pd
import re

df = pd.DataFrame(data)  # 沿用上面的示例数据
country_list = ['France', 'Italy', 'Germany']

# 构建正则模式：匹配逗号后、国家名前的所有内容（非贪婪匹配）
pattern = rf',\s*(.*?)\s*(?:{"|".join(country_list)})$'

# 提取城市名，flags=re.IGNORECASE忽略大小写
df['city'] = df['address'].str.extract(pattern, flags=re.IGNORECASE)[0]

这个正则的逻辑拆解：

• ,\s*：匹配地址里的逗号，以及后面跟着的任意空格
• (.*?)：非贪婪捕获组，精准抓取逗号后到国家名前的所有内容（完美适配多词城市）
• \s*(?:...)：匹配国家名前的空格，(?:...)是非捕获组，不会把国家名也提取出来
• $：确保匹配到地址的结尾，避免误抓其他内容

两种方法都能满足你的需求，要是地址格式有特殊情况，调整国家列表或者正则模式就可以啦～

内容的提问来源于stack exchange，提问作者user1411335