如何在Pandas DataFrame行中提取多词目标短语？现有代码仅支持单词

你的问题出在原代码是按单个单词拆分句子后匹配，没法识别由多个单词组成的短语。要同时匹配单字和多词短语，用正则表达式的精确匹配更合适，具体步骤如下：

1. 构建正则匹配模式：把negative_words里的每个元素转成正则字面量（避免特殊字符干扰），用|连接所有元素，确保能匹配到完整的单字或短语。
2. 提取匹配内容：用re.findall从每条推文里找出所有符合模式的内容，再用空格拼接成字符串。

完整代码示例 #

import pandas as pd
import re

data = pd.DataFrame({
    'Tweets' : ['This is bad', 'This is terrible', 'This is good', 'This is great but trouble of life']
})

negative_words = ['bad', 'terrible', 'trouble of life']

# 构建正则模式，转义每个词避免特殊字符影响
pattern = r'(' + '|'.join(re.escape(word) for word in negative_words) + r')'
# 提取所有匹配的内容并拼接
data['searched_text'] = data['Tweets'].apply(lambda x: ' '.join(re.findall(pattern, x)))

print(data)

运行结果 #

Tweets      searched_text
0                        This is bad                bad
1                     This is terrible           terrible
2                         This is good                  
3  This is great but trouble of life  trouble of life

补充说明 #

• 用re.escape()处理每个关键词，是为了避免关键词里包含正则特殊字符（比如.、*）时导致匹配出错。
• 如果需要严格匹配单词边界（比如避免把badly里的bad误匹配出来），可以给模式加上单词边界标记\b，修改后的模式为：

  pattern = r'\b(' + '|'.join(re.escape(word) for word in negative_words) + r')\b'
  

内容的提问来源于stack exchange，提问作者waji