如何在pandas中使用正则实现多条件文本模式匹配检测

你原来的写法存在几处错误：

• re.match 仅从字符串开头匹配规则，要检测文本任意位置存在目标模式，应该用re.search
• 正则中方括号[]是字符组匹配规则，不能用来包裹多模式的或逻辑，应该直接用|分隔不同匹配条件
• [NUM]里的方括号是正则特殊字符，需要转义才能匹配字面量，时间词的单复数可以用s?简化匹配
• 规则中「至少2个连续问号」需要用量词{2,}实现，感叹号只要出现1次就满足条件不需要额外加量词

正确实现代码 #

import re

# 组合三个匹配条件，用|分隔表示满足任意一个即可
pattern = r'\[NUM\] (time|minute|hour)s?|!|\?{2,}'
# re.search匹配到返回对象，转bool就是True，匹配不到返回None转bool是False
df['available'] = df['text'].apply(lambda x: bool(re.search(pattern, x)))

正则规则说明 #

• \[NUM\] (time|minute|hour)s?：匹配[NUM] time/[NUM] times等所有你需要的时间相关模式，s?表示后缀s可出现0或1次，同时覆盖单复数场景
• !：匹配任意位置的感叹号，出现1次即满足条件
• \?{2,}：匹配至少2个连续的问号

运行后得到的available列结果和你预期的完全一致。

内容的提问来源于stack exchange，提问作者sariii