为何re.search('|')匹配DataFrame元素时结果不符合预期？

问题重现 #

代码 #

import pandas as pd
import numpy as np
import re

df_test = pd.DataFrame(np.array([['a|b', 'b', 'c|r'], [ 'e', 'f', 'g']]), columns=['First', 'Second', 'Third'])

for elem in df_test.get('First'):
    x = bool(re.search('|', elem))
    if x == True:
        print(elem)

实际输出 #

a|b
e

预期输出 #

a|b

问题原因 #

你使用的正则表达式'|'是正则中的特殊元字符，代表“逻辑或”。单独写'|'等价于匹配''|''——也就是匹配空字符串，而任何非空字符串中都存在空字符串（比如字符串开头、结尾或字符间隙），所以re.search('|', elem)对所有非空元素都会返回匹配结果，转成布尔值后为True，导致'e'也被打印。

修正方案 #

有两种简洁的解决方式：

• 转义正则特殊字符：将|转义为普通字符，使用原始字符串r'\|'或者双反斜杠'\\|'，这样只会匹配实际存在的|符号：

for elem in df_test.get('First'):
    x = bool(re.search(r'\|', elem))
    if x:
        print(elem)

• 直接用字符串包含判断：如果只是检查字符串中是否存在|，用Python原生的in操作符更高效，无需正则：

for elem in df_test.get('First'):
    if '|' in elem:
        print(elem)

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