如何基于Accepted/Unaccepted关键词列表筛选Item Descriptions列并生成新列？

根据你的需求，核心逻辑是：保留同时满足「包含至少一个Accepted Keywords」和「不包含任何Unaccepted Keywords」的物品描述，其余返回空值。以下分场景提供最优实现方案：

一、Excel/Google Sheets 公式实现（适合中小数据量） #

假设数据从第2行开始，列对应关系为：

• A列：Item Descriptions
• B列：Accepted Keywords（多关键词用逗号分隔）
• C列：Unaccepted Keywords（多关键词用逗号分隔）

Excel 公式 #

=IF(AND(SUMPRODUCT(--ISNUMBER(SEARCH(TRIM(MID(SUBSTITUTE(B2,",",REPT(" ",LEN(B2))), (ROW(INDIRECT("1:"&LEN(B2)-LEN(SUBSTITUTE(B2,",",""))+1))-1)*LEN(B2)+1, LEN(B2))),A2))>0, SUMPRODUCT(--ISNUMBER(SEARCH(TRIM(MID(SUBSTITUTE(C2,",",REPT(" ",LEN(C2))), (ROW(INDIRECT("1:"&LEN(C2)-LEN(SUBSTITUTE(C2,",",""))+1))-1)*LEN(C2)+1, LEN(C2))),A2))=0), A2, "")

逻辑说明：

1. 拆分逗号分隔的关键词为独立条目
2. 用SEARCH检查描述是否包含关键词（不区分大小写）
3. SUMPRODUCT统计匹配数量：>0表示有匹配的Accepted关键词，=0表示无匹配的Unaccepted关键词
4. 同时满足两个条件则返回原描述，否则返回空

Google Sheets 简化公式 #

利用内置正则函数实现更简洁的写法：

=IF(AND(REGEXMATCH(A2, TEXTJOIN("|", TRUE, SPLIT(B2, ","))), NOT(REGEXMATCH(A2, TEXTJOIN("|", TRUE, SPLIT(C2, ","))))), A2, "")

逻辑说明：

1. SPLIT拆分关键词，TEXTJOIN拼接为正则OR模式（如手机|平板）
2. REGEXMATCH检查匹配情况，NOT排除含Unaccepted关键词的条目

二、Python Pandas 实现（适合大数据量） #

当数据量超过万行时，公式会出现卡顿，用Pandas批量处理效率更高。

基础版代码 #

import pandas as pd

# 读取数据（替换为你的文件路径）
df = pd.read_csv("your_data.csv")

def filter_desc(row):
    # 拆分关键词并去除空值
    accepted_kws = [kw.strip() for kw in row["Accepted Keywords"].split(",") if kw.strip()]
    unaccepted_kws = [kw.strip() for kw in row["Unaccepted Keywords"].split(",") if kw.strip()]
    
    # 检查匹配条件
    has_accepted = any(kw in row["Item Descriptions"] for kw in accepted_kws)
    no_unaccepted = all(kw not in row["Item Descriptions"] for kw in unaccepted_kws)
    
    return row["Item Descriptions"] if has_accepted and no_unaccepted else ""

# 生成新列
df["Filtered Descriptions"] = df.apply(filter_desc, axis=1)

# 保存结果
df.to_csv("filtered_data.csv", index=False)

优化版（正则批量匹配，速度更快） #

如果需要支持正则匹配或全词匹配，可调整为：

import pandas as pd
import re

df = pd.read_csv("your_data.csv")

# 生成正则匹配模式（支持全词匹配则加r'\b'）
df["accepted_regex"] = df["Accepted Keywords"].apply(
    lambda x: "|".join([re.escape(kw.strip()) for kw in x.split(",") if kw.strip()])
)
df["unaccepted_regex"] = df["Unaccepted Keywords"].apply(
    lambda x: "|".join([re.escape(kw.strip()) for kw in x.split(",") if kw.strip()])
)

# 批量筛选
df["Filtered Descriptions"] = df.apply(
    lambda row: row["Item Descriptions"]
    if (row["accepted_regex"] and re.search(row["accepted_regex"], row["Item Descriptions"], re.IGNORECASE))
       and (not row["unaccepted_regex"] or not re.search(row["unaccepted_regex"], row["Item Descriptions"], re.IGNORECASE))
    else "",
    axis=1
)

df.to_csv("filtered_data.csv", index=False)

三、关键注意事项 #

• 分隔符适配：如果关键词用其他符号分隔（如分号），需对应修改公式/代码中的分隔符参数
• 大小写控制：Excel的SEARCH、Pandas的re.IGNORECASE均为不区分大小写，若需区分，替换为FIND（Excel）或去掉re.IGNORECASE（Pandas）
• 全词匹配：若需避免部分匹配（如"手机"不匹配"手机壳"），需在关键词前后添加单词边界标记（Excel用"\b"&kw&"\b"，Pandas用r'\b' + kw + r'\b'）

内容的提问来源于stack exchange，提问作者David