pandas中如何用正则精确替换URL内关键词+32位哈希串

核心修复逻辑 #

针对遇到的两个问题，对应调整如下：

• 短关键词误匹配长词前缀：将待替换关键词列表按字符串长度降序排序，优先替换更长的关键词，从根源上避免短词提前匹配长词前缀的问题。
• 边界匹配不准：通过正则前后断言锁定URL路径段边界，确保关键词+32位哈希是被/分隔的独立路径段，或位于URL末尾，不会误匹配路径段内部的字符片段。
• 简化正则写法：将连续重复的32个\w简化为\w{32}，提升代码可读性。

正则规则说明 #

最终使用的匹配模式结构：

1. 前置正向断言(?<=/)：要求匹配内容的前一个字符必须是斜杠/，确保匹配片段从路径段起始位置开始
2. 匹配主体：目标关键词 + 连续32位单词字符（匹配哈希值，支持字母、数字、下划线）
3. 后置正向断言(?=/|$)：要求匹配内容的后一个字符要么是斜杠/，要么是字符串末尾，确保匹配的是完整路径段

实现代码 #

# 待替换关键词按长度降序排列，长关键词优先匹配替换
to_replace_key = sorted(['env', 'envlabel', 'envvar'], key=lambda x: len(x), reverse=True)

for word in to_replace_key:
    # 拼接带边界的正则匹配规则
    pattern = rf'(?<=/){word}\w{{32}}(?=/|$)'
    # 替换为{关键词}格式，如需{关键词Id}可修改为f'{{{word}Id}}'
    replace_content = f'{{{word}}}'
    df['URL'] = df['URL'].str.replace(pattern, replace_content, regex=True)

替换效果 #

使用提供的示例URL测试，输出结果符合预期：

/someurl/{env}/end
/some/other/url/{envlabel}/{envvar}

内容的提问来源于stack exchange，提问作者Piyush