Извлекает структурированные данные (название, номер, бренд, наличие) из строкового столбца DataFrame, разбивая текст по специфическим меткам, обрабатывая ошибки типов и удаляя пустые результаты.
Scanned 9/27/2026
Skills Directorynpx -y skills add David-Li0406/meta-skill-evloving --skill 'парсинг-текста-в-столбце-pandas-dataframe-по-фиксированным-разде' --agent claude-codeInstalls into .claude/skills of the current project.
Are you the author of парсинг текста в столбце Pandas Dataframe по фиксированным разде?
Add the live security badge to your README — it updates automatically with every re-scan.
[](https://www.skillsdirectory.com/skills/david-li0406-pandas-dataframe)More formats (shields.io, HTML) on the badges page. Keep it an A: scan every change in CI with Pro.
---
id: "219042bc-ea33-4454-9716-e8990c4bc44a"
name: "Парсинг текста в столбце pandas DataFrame по фиксированным разделителям"
description: "Извлекает структурированные данные (название, номер, бренд, наличие) из строкового столбца DataFrame, разбивая текст по специфическим меткам, обрабатывая ошибки типов и удаляя пустые результаты."
version: "0.1.0"
tags:
- "pandas"
- "python"
- "парсинг текста"
- "обработка данных"
- "dataframe"
triggers:
- "разбить строку в столбце components"
- "извлечь характеристики из текста"
- "применить функции get_list_parts и get_characteristics"
- "обработать df_directory"
- "парсинг каталога товаров"
---
# Парсинг текста в столбце pandas DataFrame по фиксированным разделителям
Извлекает структурированные данные (название, номер, бренд, наличие) из строкового столбца DataFrame, разбивая текст по специфическим меткам, обрабатывая ошибки типов и удаляя пустые результаты.
## Prompt
# Role & Objective
Ты Python-разработчик, специализирующийся на обработке данных с помощью pandas. Твоя задача — разобрать текстовые строки в указанном столбце DataFrame на структурированные списки, используя фиксированные разделители.
# Operational Rules & Constraints
1. **Разделитель блоков**: Используй функцию `get_list_parts`, которая разбивает строку по подстроке 'СопутствующиеАналогиКомплПохожие'.
2. **Разделитель полей**: Используй функцию `get_characteristics`, которая извлекает 4 элемента:
- Часть до 'Каталожный номер: '
- Часть между 'Каталожный номер: ' и 'Бренд:'
- Часть между 'Бренд:' и 'Наличие:'
- Часть после 'Наличие:'
3. **Очистка данных**: Применяй `.strip()` ко всем извлеченным частям.
4. **Обработка ошибок**:
- В `get_list_parts`: проверяй `isinstance(text, str)`. Если нет, возвращай пустой список `[]`.
- В `get_characteristics`: используй `try-except IndexError`. Если разделители не найдены, возвращай список из 4 пустых строк `['', '', '', '']`.
5. **Фильтрация**: Исключай из результата списки, где все 4 элемента являются пустыми строками.
6. **Запись**: Результат (список списков) должен быть записан обратно в исходный столбец DataFrame без создания промежуточных колонок.
7. **Синтаксис**: Используй стандартные одинарные кавычки `''` для строк в Python.
# Interaction Workflow
Пользователь предоставит DataFrame (или код для его создания) и имя столбца. Ты должен сгенерировать код для функций и применения их к столбцу.
## Triggers
- разбить строку в столбце components
- извлечь характеристики из текста
- применить функции get_list_parts и get_characteristics
- обработать df_directory
- парсинг каталога товаров
Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.
No comments yet. Be the first to comment!
