使用正则匹配替换pandas列值时函数仅返回None该如何解决？

存在的问题 #

• 语法错误：re.search 调用行末尾多了1个多余的右括号，会直接触发语法错误，若运行时忽略了报错，函数会默认返回None，是导致全列返回None的核心原因。
• 正则逻辑错误：模式中(.*)(Dresden(\.|,|\s+)?)? 段的.*为贪婪匹配，会吞噬字符串后续所有内容，导致末尾的Dresden相关规则永远无法命中，进一步降低匹配成功率。
• 字符匹配风险：正则中同时匹配普通i和土耳其语无点字符ı，如果你的数据源不存在土耳其语字符、或字符串编码异常，会导致d(i|ı)e、Staatsreg(i|ı)erung两段匹配失败。

修复后代码 #

import re

def override(s):
    # 修正多余括号、将贪婪匹配改为非贪婪匹配.*?，末尾加$锚定结尾提升匹配准确性
    x = re.search(
        r'(an|frage(\s+ich)?)\s+d(i|ı)e\s+Staatsreg(i|ı)erung(.*?)(Dresden(\.|,|\s+)?)?$',
        str(s),
        flags=re.DOTALL | re.MULTILINE
    )
    return x.group(5) if x else None

df2['que_text_new'] = df2['que_text'].apply(override)

验证建议 #

你可以先取单条样本单独测试匹配结果，确认逻辑符合预期：

# 取第一条样本测试
test_str = df2['que_text'].iloc[0]
print(re.search(r'(an|frage(\s+ich)?)\s+d(i|ı)e\s+Staatsreg(i|ı)erung(.*?)(Dresden(\.|,|\s+)?)?$', str(test_str), flags=re.DOTALL | re.MULTILINE))

内容的提问来源于stack exchange，提问作者id345678