如何在Pandas中提取字符串第三个时间标记及后续内容？

没问题，这事儿用Pandas结合正则就能轻松搞定，给你写个直接能用的方案：

import pandas as pd
import re

# 先整个示例数据方便你测试
df = pd.DataFrame({
    'text': [
        "(15:38) Hello, how are you? (15:39) I am fine. (15:40) That's good. ",
        "(09:01) Hi there! (09:02) Bye!",
        "(12:30) Single message"
    ]
})

def get_third_and_beyond(text):
    # 先把所有时间标记提取出来
    time_tags = re.findall(r'\(\d{1,2}:\d{1,2}\)', text)
    # 再按时间标记分割内容
    content_parts = re.split(r'\(\d{1,2}:\d{1,2}\)', text)
    
    # 检查时间标记够不够3个
    if len(time_tags) >= 3:
        # 从第三个标记开始，把标记和对应的内容拼回去
        result = ''.join([f"{tag}{part}" for tag, part in zip(time_tags[2:], content_parts[3:])])
        return result.strip()
    # 不够的话直接返回空字符串
    else:
        return ''

# 把函数应用到你的目标列上
df['processed_text'] = df['text'].apply(get_third_and_beyond)

运行后你看df['processed_text']的结果，完全符合你的要求：

0    (15:40) That's good.
1                        
2                        
Name: processed_text, dtype: object

为啥这么写？ #

• 用re.findall()把所有时间标记先捞出来，这样能直接数清楚数量，方便判断是否满足≥3的条件。
• 用re.split()分割后，第一个元素是空字符串（因为原字符串开头就是时间标记），所以content_parts的长度比时间标记数多1，zip(time_tags[2:], content_parts[3:])刚好能把第三个及以后的标记和对应的内容一一配对，拼回去就是你要的内容。
• 最后加个strip()是为了去掉首尾多余的空格，看起来更干净。

内容的提问来源于stack exchange，提问作者Dylan