这里有一个来自熊猫DataFrame的字符串。
https://www.gofundme.com/3hgsuu0,https://twitter.com/dog_rates/status/840632337062862849/photo/1
我要做的是遍历所有行，找到Twitter网址，然后从该列中删除 NOT Twitter网址。 目标是在栏中仅包含Twitter网址，而不是2个或更多网址。
我所做的是
arch_drop_new1.expanded_urls.apply（lambda x：str（x）.split（“，”）[0]）
它为我提供了,之前的所有字符串，这些字符串出现在包含多个URL的行中。
答案 0 :(得分：0)
您可以.str.extract()的值
rx = r'(https?://twitter\.com/\S*?)(?:,\s*http|$)'
arch_drop_new1['twitter_urls'] = arch_drop_new1['expanded_urls'].str.extract(rx, expand=False)
请参见regex demo。
注意extract()将从每一行中提取出该模式的第一个匹配项（此处，由于该模式中只有一个捕获组，因此仅提取组1的值）。
详细信息
(https?://twitter\.com/\S*?)-第1组：https://twitter.com/或http://twitter.com/，然后是0个或更多的非空白字符，并应尽可能少(?:,\s*http|$)-一个非捕获组，匹配,，0个或多个空格，然后匹配http或字符串结尾。