Polars DataFrame匹配含空格字符串列表：报错解决与匹配方法求助

问题场景 #

当查询字符串列表包含空格时，例如：

queries = ["sports jackets", "n95", "face mask"]

执行代码query = "|".join(map(re.escape, sorted(queries, key=len, reverse=True)))时出现转义错误；尝试将查询改为r"sports[\s]jackets"这类带正则空格的写法后，错误消除但无法正确匹配目标字符串，需要实现如下匹配效果：

解决方案 #

核心思路是保留原查询的空格，正确转义正则特殊字符，同时优先匹配长短语，步骤如下：

• 按查询字符串长度倒序排序，确保长短语优先匹配（避免短短语截断长短语的匹配结果）
• 使用re.escape处理每个查询，转义其中的正则特殊字符（如.、*等），空格被转义为\ 后仍可正常匹配目标空格
• 为匹配完整短语而非部分字符，给每个查询添加单词边界\b，同时开启大小写不敏感匹配以适配不同大小写的目标文本

完整代码示例 #

import re

# 定义带空格的查询列表
queries = ["sports jackets", "n95", "face mask"]

# 按长度倒序排序，长查询优先匹配
sorted_queries = sorted(queries, key=lambda x: len(x), reverse=True)

# 编译正则表达式：转义特殊字符、连接查询、添加单词边界、忽略大小写
pattern = re.compile(
    r'\b(' + '|'.join(re.escape(q) for q in sorted_queries) + r')\b',
    re.IGNORECASE
)

# 测试匹配效果
test_cases = [
    ("Green sports jackets", ["sports jackets"]),
    ("N95 face mask", ["n95", "face mask"])
]

for title, expected in test_cases:
    matches = [m.lower() for m in pattern.findall(title)]
    print(f"标题: {title}")
    print(f"匹配结果: {matches}")
    print(f"是否符合预期: {matches == expected}")
    print("---")

运行结果 #

标题: Green sports jackets
匹配结果: ['sports jackets']
是否符合预期: True
---
标题: N95 face mask
匹配结果: ['n95', 'face mask']
是否符合预期: True
---

常见问题说明 #

• 为什么原代码报错？：re.escape转义空格为\ 是合法的正则写法，报错大概率是代码其他环节的问题（如正则未正确编译、查询列表定义错误），而非空格转义本身导致。
• 为什么手动加[\s]无效？：[\s]会匹配任意空白字符（含换行、制表符），且修改查询结构后会打乱原有的排序优先级，导致匹配逻辑异常，不如直接保留原查询字符串进行处理更可靠。

内容的提问来源于stack exchange，提问作者Alec ADAMS