Python中使用正则表达式查找替换子串的问题求助

刚接触正则表达式，需解决Python+pandas处理Excel时的地址子串替换问题：

• 用pandas读取Excel，通过re模块（Perl风格），将地址列末尾的街道类型（如street/ave/drive等）替换为指定缩写（ST/AVE/DR等）
• 示例数据：

• 期望输出：地址统一为100 COOK ST、101 COOK AVE这类格式
• 当前reformat函数存在问题：找不到合适正则匹配地址末尾的街道类型，r'\w+$'无法识别目标子串，赋值逻辑也有错误

1. 核心正则匹配逻辑 #

要精准匹配地址末尾的街道类型，需满足：

• 匹配字符串末尾的街道类型，忽略大小写
• 兼容同一街道类型的不同变体（如street/st/str都匹配为ST）

推荐使用带单词边界和结尾锚定的正则，结合re.IGNORECASE忽略大小写：

• 匹配规则：r'\b(' + '|'.join(variants) + r')\b$'，其中variants是用户输入的所有待匹配变体（如['st', 'str', 'street']）
• 用re.sub直接替换匹配部分，优先用pandas内置字符串方法，避免低效的行遍历

2. 修复后的代码实现 #

方式一：pandas字符串方法（高效推荐）

import pandas as pd
import re

def reformat_address(df, column_header, find_variants, format_to):
    # 构建正则：匹配末尾的街道类型，忽略大小写
    pattern = r'\b(' + '|'.join(find_variants) + r')\b$'
    # 替换并统一转为大写
    df[column_header] = df[column_header].str.replace(
        pattern, 
        format_to, 
        regex=True, 
        flags=re.IGNORECASE
    ).str.upper()
    # 返回替换记录数
    return len(df[df[column_header].str.contains(pattern, flags=re.IGNORECASE)])

# 示例调用：把street/st/str替换为ST
df = pd.read_excel('your_file.xlsx')
count = reformat_address(df, 'Address', ['street', 'st', 'str'], 'ST')
print(f"替换了{count}条记录")
# 保存结果
df.to_excel('formatted_addresses.xlsx', index=False)

方式二：修复原遍历行逻辑（保留迭代需求）

import pandas as pd
import re

def reformat(find_variants, format_to):
    count = 0
    pattern = r'\b(' + '|'.join(find_variants) + r')\b$'
    for i, row in df.iterrows():
        cell_value = str(row[column_header])
        # 检查是否匹配
        if re.search(pattern, cell_value, flags=re.IGNORECASE):
            # 替换匹配部分并转大写
            new_value = re.sub(pattern, format_to, cell_value, flags=re.IGNORECASE).upper()
            df.at[i, column_header] = new_value
            count += 1
    if count == 0:
        print("No matches found...")
    return count

# 示例调用
df = pd.read_excel('your_file.xlsx')
column_header = 'Address'
count = reformat(['ave', 'avenue'], 'AVE')
print(f"替换了{count}条记录")

3. 关键注意点 #

• \b单词边界：避免误匹配（比如不会把Cookstreet里的street当成街道类型）
• re.IGNORECASE：统一处理大小写变体（Ave/ave/AVE都能匹配）
• 优先用pandasstr.replace：比手动遍历iterrows效率高数倍，适合大文件处理
• 替换后转大写：保证输出格式完全统一

内容的提问来源于stack exchange，提问作者sweeney