str.extract必须用括号捕获组才能提取内容，因其专为结构化提取设计，只返回括号内匹配内容，无括号则返回NaN；常见失败原因包括大小写不一致、空格干扰或字段缺失。
str.extract为什么必须用括号捕获组才能提取内容
str.extract 不是简单地“找匹配”，而是专为结构化提取设计的——它只返回括号内的捕获组内容，不带括号的正则（哪怕完全匹配）会返回 NaN。
- 错误写法：
r'\d{4}-\d{2}-\d{2}'→ 整个模式匹配成功，但没捕获组，结果列全为NaN - 正确写法：
r'(\d{4})-(\d{2})-(\d{2})'→ 三个捕获组，返回三列 DataFrame - 如果只想取年份，写成
r'(\d{4})-\d{2}-\d{2}'即可，只保留一个括号
提取失败时返回NaN的常见原因
不是正则写错了，而是数据里根本没匹配上，str.extract 默认不填充、不报错，静默返回 NaN，容易误以为逻辑有问题。
- 大小写不一致：源文本是
"Email: USER@EXAMPLE.COM"，但正则写r'email: ([a-z@.]+)'→ 不匹配 →NaN - 空格或不可见字符干扰：用
r'ID:\s*(\d+)'比r'ID:(\d+)'更鲁棒 - 部分行缺失目标字段：比如日志中只有 70% 的行含
status=200，其余自动为NaN，这是预期行为，不是 bug
extract vs extractall：单匹配 vs 多匹配怎么选
str.extract 每行最多返回**第一个匹配**的结果；str.extractall 返回所有匹配，但输出是 MultiIndex Series，结构不同，别混用。
- 用
extract：解析固定格式字段，如从"user=john, age=32, city=NYC"中提age→r'age=(\d+)' - 用
extractall：提取重复出现的同类项，如从 HTML 片段中提所有链接 →r'href="([^"]*)"'，且需用.droplevel(1)简化索引 - 性能注意：对百万级数据，
extractall可能生成远超原始行数的结果，内存涨得快
正则中的标志（flags）怎么传给extract
str.extract 不接受 re.IGNORECASE 这样的常量，必须通过 flags 参数传整数，或者直接在正则前加内联标志。
- 推荐写法：
r'(?i)email:\s*([a-z0-9._%+-]+@[a-z0-9.-]+\.[a-z]{2,})'—— 内联(?i)清晰、安全 - 也可用参数：
flags=re.I，但要先import re，且不能和内联混用（后者优先级高） - 不要写
flags=re.IGNORECASE | re.DOTALL后再加(?s)，容易冲突；统一用内联更可控
正则捕获逻辑本身不难，真正卡住人的往往是：忘了括号、忽略了大小写/空白、误把 extract 当全文扫描工具来用。多看两眼 NaN 出现在哪几行，比反复改正则更快定位问题。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
