### 数据处理与字符串筛选 在Python中，可以通过`pandas`库读取Excel表格，并使用正则表达式对字符串字段进行筛选。正则表达式允许我们定义特定的模式来匹配字符串，从而提取符合要求的数据[^2]。例如，若需要筛选出包含标点符号的字符串，并进一步提取其中满足特定条件的子字符串，可以结合正则表达式与`pandas`的数据处理功能实现。 以下是一个示例代码，假设Excel表格中包含一个名为`text`的列，其中存储了需要处理的字符串字段： ```python import pandas as pd import re # 读取Excel文件 df = pd.read_excel('data.xlsx') # 定义正则表达式模式，匹配包含特定标点符号（如逗号、句号）的字符串 pattern = r'[，。]' # 使用正则表达式筛选包含指定标点符号的字符串 filtered_df = df[df['text'].str.contains(pattern, regex=True)] # 进一步提取其中符合特定条件的子字符串，例如提取包含“风险”关键词的部分 filtered_df['matched_text'] = filtered_df['text'].apply(lambda x: re.findall(r'[^，。]*风险[^，。]*', x)) # 输出结果 print(filtered_df) ``` 上述代码首先使用`str.contains`方法筛选出包含指定标点符号的字符串，然后使用`re.findall`提取其中符合特定关键词（如“风险”）的子字符串，并将其存储为新列。 ### 处理复杂字符串结构 在处理包含多种标点符号的字符串时，可以利用正则表达式中的字符集（如`[，。]`）来匹配多个符号，并结合分组操作提取特定结构的子字符串。例如，若需提取字符串中所有以“市”结尾的地区名称，可以使用正则表达式`[^，。]*市`[^2]。 ### 数据清洗与结构化处理 对于OCR识别或原始文本中包含的非结构化数据，通常需要先将字符串按照特定标点符号（如中文逗号）进行分割，形成列表结构，再逐个匹配关键词或风险区域。例如，可以将字符串分割为多个地区名称，并逐一判断是否存在风险区域[^1]。 以下是一个示例代码，展示如何将字符串按中文逗号分割，并逐个查找是否存在风险区域： ```python import pandas as pd # 假设result_list为OCR识别后的结果 result_list = ocr.paddleocr(path) index = 0 for item in result_list: area_list = str(item).split("，") # 中文逗号分割 index += 1 for area in area_list: flag = search.find_risk(area) if flag != 0: ocr.sheet.cell(index, 5, "有风险") break else: ocr.sheet.cell(index, 5, "无风险") ocr.bg.save(r"result.xlsx") # 结果写入Excel文件 ``` 该代码将OCR识别结果按中文逗号分割成多个地区名称，并逐一查找是否存在风险区域，最终将结果写入Excel文件。 ### 数据转义与字符串处理 在处理包含特殊字符（如引号、点号）的字符串时，需要使用反斜杠进行转义，以确保正则表达式或字符串操作的正确性。例如，在Python中使用`\"`表示双引号，使用`\.`表示句点符号[^3]。 ---