影刀RPA Excel文本函数实战拆分、拼接、查找替换作者林焱什么情况用什么从网页采集的地址数据挤在一个单元格里需要拆分、多个字段需要拼成全名、产品名称里的关键词需要替换——这些文本处理在Excel里用LEFT、RIGHT、MID、FIND、SUBSTITUTE等函数能做但批量处理几万行时Excel公式很慢且容易出错。在影刀RPA里用Python字符串方法或pandas矢量化操作速度快且逻辑清晰。适用场景地址拆分、姓名拼接、产品编码提取、批量替换关键词、文本清洗标准化。怎么做文本拆分importpandasaspd dfpd.read_excel(rC:\Data\address.xlsx)# 按分隔符拆分相当于Excel的数据分列# 广东省深圳市南山区科技园 → 省、市、区df[省]df[地址].str.extract(r^(.?省))df[市]df[地址].str.extract(r省(.?市))df[区]df[地址].str.extract(r市(.?[区县]))[video(video-c0sEXt0E-1783501706334)(type-csdn)(url-https://live.csdn.net/v/embed/525010)(image-https://v-blog.csdnimg.cn/asset/f4faa587144cb7070f19e8b36813806b/cover/Cover0.jpg)(title-店群矩阵自动化突破运营极限)]# 按固定分隔符拆分成多列# 张三|13800138000|zhangsanqq.com → 姓名、手机、邮箱split_datadf[原始信息].str.split(|,expandTrue)df[姓名]split_data[0]df[手机]split_data[1]df[邮箱]split_data[2]df.to_excel(rC:\Data\address_split.xlsx,indexFalse)文本拼接# 多列拼接成完整地址df[完整地址]df[省]df[市]df[区]df[详细地址]# 带分隔符拼接df[显示名]df[姓名]df[部门]# 条件拼接有中间名才拼defbuild_full_name(row):parts[row[姓]]ifpd.notna(row[中间名])androw[中间名]:parts.append(row[中间名])parts.append(row[名])return.join(parts)df[全名]df.apply(build_full_name,axis1)文本提取# 从产品编码提取各部分信息# 编码格式PRD-2026-001-REDdf[产品类别]df[编码].str.split(-).str[0]# PRDdf[年份]df[编码].str.split(-).str[1]# 2026df[序号]df[编码].str.split(-).str[2]# 001df[颜色]df[编码].str.split(-).str[3]# RED# 用正则提取手机号df[手机号]df[备注].str.extract(r(1[3-9]\d{9}))# 用正则提取金额df[金额]df[描述].str.extract(r(\d\.?\d*)元).astype(float)# 提取括号内内容df[英文]df[产品名].str.extract(r[(](.?)[)])文本查找与替换# 替换相当于SUBSTITUTEdf[产品名]df[产品名].str.replace(旧版,新版)df[地址]df[地址].str.replace(北京市,北京)# 直辖市简化# 批量替换多个关键词replacements{有限公司:有限公司,股份有限公司:股份公司,集团:集团, : ,# 双空格变单空格 : ,# 全角空格变半角}forold,newinreplacements.items():df[公司名]df[公司名].str.replace(old,new)# 查找包含某关键词的行相当于SEARCH/FINDmaskdf[产品名].str.contains(手机,caseFalse,naFalse)phone_productsdf[mask]# 判断是否以某字符串开头mask_startdf[编码].str.startswith(PRD)# 判断是否以某字符串结尾mask_enddf[文件名].str.endswith(.pdf)文本截取# LEFT取前N个字符df[省简称]df[省].str[:2]# 广东省 → 广东# RIGHT取后N个字符df[文件后缀]df[文件名].str[-4:]# 取后4位# MID从第N位开始取M个字符# Python从0开始Excel从1开始df[月份]df[日期].str[5:7]# 2026-07-15 → 07# 按字节截取中文占2字节defleft_by_bytes(text,byte_count):按字节截取文本ifpd.isna(text):returntextstr(text)resultcurrent_bytes0forcharintext:char_bytes2iford(char)127else1ifcurrent_byteschar_bytesbyte_count:breakresultchar current_byteschar_bytesreturnresult df[简称]df[公司名].apply(lambdax:left_by_bytes(x,10))综合实战清洗联系人数据defclean_contact_data(input_path,output_path):清洗联系人数据dfpd.read_excel(input_path)# 1. 去除首尾空格text_colsdf.select_dtypes(include[object]).columnsforcolintext_cols:df[col]df[col].astype(str).str.strip()# 2. 全角转半角importunicodedataforcolintext_cols:df[col]df[col].apply(lambdax:unicodedata.normalize(NFKC,x)ifx!nanelse)# 3. 手机号标准化df[手机号]df[手机号].str.replace(r[^0-9],,regexTrue)# 只留数字df[手机号]df[手机号].str.extract(r(1[3-9]\d{9}))# 提取有效手机号# 4. 邮箱标准化转小写df[邮箱]df[邮箱].str.lower()# 5. 姓名拆分df[姓]df[姓名].str[0]# 第一个字df[名]df[姓名].str[1:]# 剩余部分# 6. 地址拆分df[省]df[地址].str.extract(r^(.?[省市]))df[详细地址]df[地址].str.replace(r^.?[省市],,regexTrue)# 7. 空值处理dfdf.replace(nan,)dfdf.replace(None,)df.to_excel(output_path,indexFalse)returnoutput_path# 在影刀中调用clean_contact_data(rC:\Data\contacts_raw.xlsx,rC:\Data\contacts_clean.xlsx)有什么坑坑1str操作遇到None报错列中有空值时.str方法会报AttributeError# 问题列中有None/NaNdf[结果]df[文本].str.replace(a,b)# NaN会变成NaN不报错# 但链式操作可能出问题df[结果]df[文本].str.split(-).str[0]# NaN会变成Nonestr[0]报错# 解决用na参数或fillnadf[结果]df[文本].fillna().str.split(-).str[0]坑2正则特殊字符未转义替换文本中包含正则特殊字符如.、*、、?时会被当成正则语法temu店群自动化报活动案例# 问题要替换字符串3.14中的.df[值]df[值].str.replace(.,-)# 把所有字符都替换了# 解决用regexFalsedf[值]df[值].str.replace(.,-,regexFalse)# 只替换字面的.坑3中文长度计算不一致Python的len()按字符算Excel的LEN按字节算中文字符结果不同# Pythonlen(张三)# 结果2按字符# ExcelLEN(张三)# 结果4按字节GBK编码# 如果需要和Excel一致deflen_by_bytes(text):按GBK字节计算长度returnlen(str(text).encode(gbk))len_by_bytes(张三)# 结果4坑4split后列数不一致不同行的分隔符数量不同split后expandTrue会产生不同列数缺失列为NaN# a|b|c → 3列# a|b → 2列第3列NaNsplitdf[信息].str.split(|,expandTrue)# 如果直接赋值可能列数对不上# 解决指定列数splitdf[信息].str.split(|,expandTrue,n2)# 最多分3段# 或者只取前N列df[col1]split[0]df[col2]split[1]ifsplit.shape[1]1else坑5contains匹配了意外内容str.contains默认是正则匹配某些特殊字符会引发误匹配# 问题查找包含C的行maskdf[技能].str.contains(C)# 报错是正则元字符# 解决用regexFalsemaskdf[技能].str.contains(C,regexFalse)# 或者转义importre maskdf[技能].str.contains(re.escape(C))