Python中pandas DataFrame列链接删除www子串时误删内容如何解决

问题原因 #

pandas的Series.str.replace()方法默认启用正则匹配模式，你传入的'www.'里的.在正则语法中代表匹配任意单个字符，因此不仅会匹配域名中的www.，也会匹配到文件名里www后面跟任意字符的片段（比如示例中的wwwW、wwwX），导致误删。

解决方法 #

这里给不同场景下的修复方案：

• 普通场景直接关闭正则匹配，按字面字符串替换
  给方法加regex=False参数，此时'www.'会被当做普通字符串处理，只会匹配到字面的www.片段：

  df_bucket['Uri'].str.replace('www.', '', regex=False)
  

• 需要保留正则能力的场景，转义特殊字符
  把正则里有特殊含义的.转义为普通字面量即可：

  df_bucket['Uri'].str.replace(r'www\.', '')
  

• 要求完全避免误删的高精度场景，限定匹配位置
  用正则断言限定只匹配协议头后紧跟的www.，完全不会影响路径、文件名中的内容：

  df_bucket['Uri'].str.replace(r'(?<=://)www\.', '')
  

内容的提问来源于stack exchange，提问作者Kamal Garg