如何用列表字符串动态生成正则表达式在Pandas DataFrame中搜索？

问题场景 #

要从关键词列表动态生成带“或”逻辑的正则表达式，用来筛选Pandas DataFrame中包含任一关键词的行，但原代码运行时出现r is not defined错误，无法正常执行。

错误代码示例 #

kw_list = ["cod", "i"]

kw_regex_string = "\b("
for kw in kw_list:
  kw_regex_string = kw_regex_string + kw + "|"
kw_regex_string = kw_regex_string[:-1]  # 移除末尾多余的"|"
kw_regex_string = kw_regex_string + ")\b"

myregex = r + kw_regex_string  # 这里报错：r未定义
texts_df.loc[texts_df["text"].str.contains(myregex, regex=True)]

错误原因 #

1. r是Python的原始字符串前缀，不是变量，不能直接和字符串相加；
2. 普通字符串里的\b会被解析为退格符，而非正则表达式中的单词边界，必须用原始字符串或双反斜杠转义。

正确实现方法 #

方法1：简洁拼接关键词（无特殊正则字符时用）

用str.join()直接拼接关键词，配合原始字符串定义正则，避免循环拼接的冗余：

import pandas as pd

texts_df = pd.DataFrame({"id":[1,2,3,4],
                      "text":["she loves coding", 
                              "he was eating cod",
                              "i do not like fish",
                              "fishing is not for me"]})

kw_list = ["cod", "i"]
# 用|连接关键词，包裹在单词边界\b中
kw_pattern = r'\b(' + '|'.join(kw_list) + r')\b'
# 执行筛选
result = texts_df.loc[texts_df["text"].str.contains(kw_pattern, regex=True)]
print(result)

运行后会正确筛选出第2、3行数据。

方法2：处理含特殊正则字符的关键词

如果关键词包含.、*这类正则元字符，需要先用re.escape()转义，避免正则逻辑出错：

import re
import pandas as pd

texts_df = pd.DataFrame({"id":[1,2,3,4],
                      "text":["she loves coding", 
                              "he was eating cod",
                              "i do not like fish",
                              "fishing is not for me"]})

kw_list = ["cod", "i"]
# 转义每个关键词中的特殊正则字符
escaped_keywords = [re.escape(kw) for kw in kw_list]
kw_pattern = r'\b(' + '|'.join(escaped_keywords) + r')\b'
result = texts_df.loc[texts_df["text"].str.contains(kw_pattern, regex=True)]
print(result)

内容的提问来源于stack exchange，提问作者code_to_joy