如何在Python中逐行检测标题是否包含关键词（适配印度语）

你的代码存在两个核心问题：一是循环逐key匹配会覆盖结果且效率低下，二是未处理多语言字符匹配的潜在编码/正则转义问题，导致印度语关键词无法被正确识别。

修复方案 #

直接将所有关键词整合成一个正则表达式批量匹配，同时处理特殊字符转义，确保Unicode字符（印度语）能被正确识别：

import pandas as pd
import re

# 假设你的数据集是df
# 提取所有关键词并转义正则特殊字符（避免.+*等符号干扰匹配）
escaped_keys = [re.escape(key) for key in df['key'].dropna().tolist()]
# 合并为正则匹配模式，用|分隔表示"或"逻辑
match_pattern = '|'.join(escaped_keys)

# 一次性检测所有标题是否包含任意关键词，支持印度语等Unicode字符
df['match_result'] = df['title'].str.contains(
    match_pattern,
    case=False,
    na=False,
    regex=True  # 明确启用正则匹配（默认已开启，这里显式声明更清晰）
)

# 查看结果
print(df[['title', 'key', 'match_result']])

关键说明 #

1. 正则转义：用re.escape()处理关键词，避免关键词中的特殊字符（如印度语中的标点、特殊符号）被当作正则语法解析，导致匹配失败。
2. 批量匹配：避免循环逐行赋值，一次性完成所有关键词的匹配，既提升效率，也防止循环中覆盖结果的问题。
3. Unicode支持：Python3 和 pandas 默认支持 Unicode 字符，只要你的数据集编码是UTF-8（确保df['key']和df['title']是str类型而非字节类型），印度语字符就能被正确识别匹配。

额外排查点 #

如果仍无法匹配，检查以下内容：

• 确认数据集编码：用df.dtypes查看key和title列是否为object（str）类型，若为字节类型需先解码为字符串。
• 检查关键词与标题的字符一致性：比如是否存在全角/半角差异、拼写错误（印度语的相似字符容易混淆）。

内容的提问来源于stack exchange，提问作者riya23