我有这样的数据帧:
name link
apple example1.com/dsa/es?id=2812168&width=1200/web/map&resize.html
banana. example2.com/es?id=28132908&width=1220/web/map_resize.html
orange. example3.com/es?id=3209908&width=1120/web&map_resize.html
每个名称的ID都埋藏在链接中，链接可能具有不同的结构。 但是，我知道模式是'id='+'what I want'+'&'
我想知道，有没有一种方法可以从link中提取id，并将其放回数据框架，以获得以下内容:
name link
apple 2812168
banana. 28132908
orange. 3209908
我试着用这个:
df['name'] = df['name'].str.extract(r'id=\s*([^\.]*)\s*\\&', expand=False)
但它返回一个包含所有NaN的列
而且，可能有不止一个&； 在链接中
我们可以使用正向后视和正向前视:
df['link'] = df['link'].str.extract('(?<=id\=)(.*)(?=\&width)')
name link
0 apple 2812168
1 banana. 28132908
2 orange. 3209908
详细信息:
（？<<=id\=):id=(.*):一切（？=\&width）:&width
我认为ID总是数字，所以这有点干净:
df["link"] = df['link'].str.extract(r'id=(\d+)&', expand=False)
print(df)
# name link
#0 apple 2812168
#1 banana 28132908
#2 orange 3209908
让tri拆分
df['link'].str.split('id=').str[1].str.split('&').str[0]
0 2812168
1 28132908
2 3209908
Name: link, dtype: object
