如何匹配pandas Series文本列中同时包含多个指定关键词/字符的内容？

你的原有写法存在三个问题：

• |在正则中代表或逻辑，不符合你要同时匹配所有关键词的需求
• $是正则特殊元字符，代表字符串结尾，不转义的话无法匹配字面量的$符号
• str.match()要求从字符串开头匹配规则，你需要匹配任意位置出现的关键词，应该用str.contains()

方式1：逐个关键词判断（可读性最高，不容易踩坑） #

import re

# 转义所有关键词里的正则特殊字符，避免$这类符号被错误解析
escaped_keywords = [re.escape(k) for k in keywords_to_track]

# 用&连接所有匹配条件，实现同时满足的与逻辑，case=False代表忽略大小写
match_mask = (
    dataframe["title"].str.contains(escaped_keywords[0], case=False)
    & dataframe["title"].str.contains(escaped_keywords[1], case=False)
    & dataframe["title"].str.contains(escaped_keywords[2], case=False)
)

输出的match_mask就是你需要的布尔类型Series。

方式2：单正则正向前瞻写法 #

如果要合并成一个正则表达式，可以用正向前瞻实现与逻辑：

import re

# 生成前瞻匹配规则，要求所有关键词都出现
pattern = "".join(f"(?=.*{re.escape(k)})" for k in keywords_to_track)
match_mask = dataframe["title"].str.contains(pattern, case=False, regex=True)

内容的提问来源于stack exchange，提问作者user_12