在Pandas DataFrame每行中查找并移除分隔后的最长子串

问题场景 #

将CSV导入Pandas DataFrame后，目标列内容原本以转义逗号分隔，其中包含1个长串产品描述和若干短标签。已通过代码将转义逗号替换为|，现在需要移除这个最长的子串，只保留短标签并以|连接。

数据示例 #

• 替换转义逗号后的中间数据：

Anthropologie Dolan Women's S Green Long Sleeves Tie Front Dress|Girl| Woman| USA| American| Chic
Button|Logo|Blue Skinny Crop Denim Raw Hem Ankle Denim Jeans

• 期望最终输出：

Girl | Woman | USA | American | Chic
Button | Logo

之前的错误尝试 #

最初假设长串始终在开头，使用以下代码：

woo_product_list[col].mask(woo_product_list[col].str.len() > 40, woo_product_list[col].str.split('|', n=1).str.get(-1), inplace=True)

但该方案无法处理长串在末尾的情况（如第二行数据），得到错误结果：

Girl| Woman| USA| American| Chic
Logo|Blue Skinny Crop Denim Raw Hem Ankle Denim Jeans

解决方案 #

通过拆分字符串为列表，找到并移除其中长度最大的子串，再将剩余短标签重新连接：

for col in config["wooAttributeReplace"]:
    # 替换转义逗号为|分隔符
    woo_product_list[col] = woo_product_list[col].replace(r'\\,', '|', regex=True)
    
    # 处理每个单元格：拆分→移除最长子串→重新连接
    woo_product_list[col] = woo_product_list[col].str.split('|').apply(
        lambda x: ' | '.join(
            [s.strip() for s in x if len(s.strip()) != max(len(s.strip()) for s in x)]
        )
    )

代码说明 #

1. 拆分字符串：用str.split('|')将每个单元格的内容拆分为子串列表；
2. 识别最长子串：计算所有子串（去除首尾空格后）的最大长度；
3. 筛选并连接：过滤掉长度等于最大长度的子串，将剩余子串去除首尾空格后用|连接。

该方案不受长串位置影响，无论长串在开头、中间还是末尾，都能准确移除，得到符合需求的短标签结果。

内容的提问来源于stack exchange，提问作者JCan