Python pandas 的 str.extract ()中正则表达式注意事项

使用str.extract ()提取电话号码时发现，正则表达式里有几对（），就会提取出几列数据，有时会和期望的答案不一样。举例说明：

三种格式的号码：

###-###-####
# (###) ###-####
# ### ### ####

正则表达式：（\d\s)?\(?\d{3}\)?[-\s]\d{3}[-\s]\d{4}

这样的正则表达式本来没有问题，但是一放进str.extract，如：data.column.str.extract(r'(\d\s)?\(?\d{3}\)?[-\s]\d{3}[-\s]\d{4}')，结果如下：

因为正则表达式包含一对（），即(\d\s)?，所以只匹配出最前面的那部分内容。

如果整个表达式外面加()，即data.column.str.extract(r'((\d\s)?\(?\d{3}\)?[-\s]\d{3}[-\s]\d{4})')，结果如下：

第一列匹配正常，但是多了第二列（应该匹配的是(\d\s)?）。

换一种方法，(\d\s)不用()，?分开加在\d和\s后面，即data.column.str.extract(r'(\d?\s?\(?\d{3}\)?[-\s]\d{3}[-\s]\d{4})')，结果如下：

这个结果是期望得到的结果。

所以要么用第三种写法，就是如果第一个()里的内容多的话就很麻烦了，要么用第二种方法，然后选取第一列即可。