pandas str.replace正则替换如何排除非独立单词的部分匹配

你需要使用正则的单词边界标识符\b来限定只匹配独立的hi/hello完整单词，避免命中其他单词内部的字符片段。

正确代码如下：

import re
import pandas as pd

a1 = pd.Series('12:04:25 Roberts: Hi, Hello, hi this hi')
# 用\b限定单词边界
res = a1.str.replace(r'\b(hello|hi)\b', '111', regex=True, flags=re.IGNORECASE)

运行后输出结果符合预期：

12:04:25 Roberts: 111, 111, 111 this 111

原理说明 #

\b属于正则中的单词边界元字符，匹配的是「单词字符（字母、数字、下划线）」和「非单词字符」的交界位置，能保证匹配到的hi/hello是独立单词，不会命中this这类包含hi字符片段的单词。

你之前写法的问题：

• 第一种写法没有匹配范围限制，只要连续出现hi/hello字符就会被替换，因此会误替换this里的hi
• 第二种和第三种写法里的^和$代表整个字符串的开头和结尾，只能匹配整个字符串就是hi的情况，无法匹配句子中间的hi

内容的提问来源于stack exchange，提问作者user5843090