Pandas中re.findall(re.IGNORECASE)无法匹配大写关键词求助

问题原因 #

你的代码失效是因为：re.findall提取的单词会保留原文本的大小写（比如原文本是HOAX，提取结果就是HOAX），但关键词列表里都是小写，直接用i in keywords自然匹配不上。

两种修复方案 #

方案一：统一转小写后匹配 #

把提取出的单词转为小写，再和关键词列表对比：

import re
import pandas as pd

keywords = ['fake', 'hoax', 'misleading']
df2 = df1[df1.text.apply(lambda x: any(i.lower() in keywords for i in re.findall('\w+', x)))]

方案二：正则直接匹配（更高效） #

构建不区分大小写的正则模式，同时用\b确保匹配完整单词（避免误匹配hoaxer这类包含关键词的长单词）：

import re
import pandas as pd

keywords = ['fake', 'hoax', 'misleading']
# 拼接正则规则：匹配任意关键词，单词边界，不区分大小写
pattern = re.compile(r'\b(' + '|'.join(keywords) + r')\b', flags=re.IGNORECASE)
df2 = df1[df1.text.str.contains(pattern)]

方案对比 #

• 方案一逻辑简单直观，适合快速修改；
• 方案二利用Pandas内置的str.contains，执行效率更高，且能避免部分匹配的问题。

内容的提问来源于stack exchange，提问作者mOna