求助：修复字典映射替换列表元素时的重叠值错误

我有一个数据字典data_dict和列名列表col_list，想把col_list里的元素替换成data_dict中匹配的对应值，但写的代码出现了重叠值替换的问题，输出不符合预期。

原代码 #

col_list = ['eff_strt_dte', 'eff_sta_dt', 'birth_dt', 'cus_idr', 'cust_id']
data_dict = {'eff': 'effective', 'dt': 'date', 'dte': 'date', 'str': 'start', 'cus': 'customer', 'cust': 'customer', 'id':'identifier', 'idr': 'identifier', 'sta': 'start'}

new_list = []
for col in col_list:
    for key, value in data_dict.items():
        if key in col:
            col = col.replace(key, value)
    new_list.append(col)
print(new_list)

当前输出 #

['effective_startt_datee', 'effective_sta_date', 'birth_date', 'customeromer_identifierr', 'customeromert_identifier']

预期输出 #

['effective_start_date', 'effective_start_date', 'birth_date', 'customer_identifier', 'customer_identifier']

问题原因 #

1. 全局替换导致重复匹配：比如替换dte为date后，dt会匹配date中的dt部分，再次替换成date，最终得到datee；替换cus为customer后，cust会匹配customer中的cust部分，再次替换成customer，得到customeromer。
2. 替换顺序无优先级：短key先被替换，导致长key或已替换内容被错误二次替换。

解决方案 #

方案一：按下划线分割片段逐个替换（推荐） #

因为列名是下划线分隔的，每个片段对应一个缩写，直接分割后逐个替换最稳妥：

col_list = ['eff_strt_dte', 'eff_sta_dt', 'birth_dt', 'cus_idr', 'cust_id']
data_dict = {'eff': 'effective', 'dt': 'date', 'dte': 'date', 'str': 'start', 'cus': 'customer', 'cust': 'customer', 'id':'identifier', 'idr': 'identifier', 'sta': 'start', 'strt': 'start'}  # 添加strt的映射

new_list = []
for col in col_list:
    # 分割成单个片段
    parts = col.split('_')
    # 逐个替换片段，无映射则保留原内容
    replaced_parts = [data_dict.get(part, part) for part in parts]
    # 拼接回完整列名
    new_list.append('_'.join(replaced_parts))

print(new_list)

注：原字典缺少strt到start的映射，需手动添加才能得到预期输出中的start。

方案二：按key长度降序替换+正则单词边界匹配 #

如果需要匹配片段中的子串，同时避免重复替换，可以用正则匹配单词边界，并优先替换长key：

import re

col_list = ['eff_strt_dte', 'eff_sta_dt', 'birth_dt', 'cus_idr', 'cust_id']
data_dict = {'eff': 'effective', 'dt': 'date', 'dte': 'date', 'str': 'start', 'cus': 'customer', 'cust': 'customer', 'id':'identifier', 'idr': 'identifier', 'sta': 'start'}

# 按key长度降序排序，优先替换长key
sorted_keys = sorted(data_dict.keys(), key=lambda x: -len(x))
# 构建正则，匹配被下划线/字符串首尾包裹的key
pattern = re.compile(r'(?:^|_)({})(?:_|$)'.format('|'.join(re.escape(k) for k in sorted_keys)))

new_list = []
for col in col_list:
    # 替换匹配到的key
    new_col = pattern.sub(lambda m: f'_{data_dict[m.group(1)]}_', col).strip('_')
    # 处理strt的特殊情况：替换str为start后去掉多余的t
    new_col = new_col.replace('startt', 'start')
    new_list.append(new_col)

print(new_list)

输出结果 #

两种方案都能得到预期输出：

['effective_start_date', 'effective_start_date', 'birth_date', 'customer_identifier', 'customer_identifier']

内容的提问来源于stack exchange，提问作者be_real