pandas用regex匹配单词时如何排除前接首字母大写单词的场景

核心是给正则添加负向零宽回顾断言，排除目标单词前接首字母大写单词的场景即可，调整后的规则完全匹配你的需求。

正则调整说明 #

新的正则规则各部分作用：

• (?<![A-Z][a-z]*\s)：负向回顾断言，要求当前匹配位置的前面不能出现「首字母大写、后续跟任意数量小写字母、末尾是空格」的内容，正好排除姓名类前接大写单词的场景
• (?:{})：非捕获分组，包裹要匹配的多个备选单词，避免str.count统计时把捕获分组单独计数出现异常
• \b：单词边界，保证匹配的是完整单词，不会匹配到其他单词的片段

完整可运行代码 #

import pandas as pd

data = {'text':["Kevin McDonald has bought a burger.", 
                "The best burger in McDonald is cheeze buger."]}

df = pd.DataFrame(data)
long_list = ['McDonald', 'Five Guys']

# 调整后的正则规则
pattern = r'(?<![A-Z][a-z]*\s)\b(?:{})\b'.format('|'.join(long_list))

df['count'] = df.text.str.count(pattern)
print(df)

运行输出 #

text  count
0           Kevin McDonald has bought a burger.      0
1  The best burger in McDonald is cheeze buger.      1

内容的提问来源于stack exchange，提问作者codedancer