Pandas文本替换添加条件：排除前3词含no/none的场景

嘿，我来帮你搞定这个带条件的文本替换需求！你要实现的是：在文本中搜索替换指定术语，但如果目标术语的前3个词范围内出现了"no"或"none"，就跳过这个替换——就像你例子里ID=2的条目，因为"random text"前面有"no"，所以不能被替换对吧？

下面是具体的实现步骤和代码：

1. 准备示例数据 #

首先我们先定义你给出的文本DataFrame，再模拟一个包含替换术语的DataFrame（你可以根据实际情况修改术语和替换值）：

import pandas as pd
import re

# 你的文本数据
text_data = {'ID': [1, 2, 3], 'Text': ['here is some random text', 'no such random text, none here', 'more sample content']}
text_df = pd.DataFrame(text_data)

# 术语替换表（自定义你的术语和替换值）
terms_df = pd.DataFrame({
    'Term': ['random text', 'sample content'],
    'Replacement': ['REPLACED_TEXT', 'REPLACED_CONTENT']
})

2. 编写带规则的替换函数 #

核心逻辑是：对每一段文本，遍历所有要替换的术语，找到术语的所有出现位置，然后检查该位置前3个词是否包含禁词（"no"或"none"），只有不包含的时候才执行替换。

def replace_with_rule(text, terms):
    # 定义禁词集合，不区分大小写（如果需要区分可以去掉lower()）
    forbidden_words = {'no', 'none'}
    
    # 遍历每个替换术语
    for _, term_row in terms.iterrows():
        target_term = term_row['Term']
        replacement = term_row['Replacement']
        
        # 找到文本中所有术语的匹配位置（用re.escape避免术语里的正则特殊字符干扰）
        matches = list(re.finditer(re.escape(target_term), text))
        
        # 从后往前替换，避免替换后文本长度变化导致的位置偏移问题
        for match in reversed(matches):
            match_start = match.start()
            # 获取术语出现位置之前的文本
            preceding_text = text[:match_start]
            # 分割成词，取最后3个（如果不足3个就取全部）
            preceding_words = preceding_text.split()[-3:]
            
            # 检查前3个词里是否有禁词
            if any(word.lower() in forbidden_words for word in preceding_words):
                # 有禁词，跳过这个替换
                continue
            
            # 没有禁词，执行替换
            text = text[:match_start] + replacement + text[match.end():]
    
    return text

3. 应用函数到DataFrame #

把上面的函数应用到文本列，生成处理后的新列：

text_df['Processed_Text'] = text_df['Text'].apply(lambda x: replace_with_rule(x, terms_df))

4. 查看结果 #

运行后你会得到这样的输出：

可以看到：

• ID=1的"random text"前3个词是"here is some"，没有禁词，成功替换
• ID=2的"random text"前3个词包含"no"，跳过替换
• ID=3的"sample content"前只有1个词"more"，没有禁词，成功替换

关键细节说明 #

• re.escape(target_term)：用来处理术语中可能包含的正则特殊字符（比如"."、"*"），避免它们被当成正则语法解析
• 从后往前替换：如果从前往后替换，替换后的文本长度变化会导致后续匹配的位置偏移，从后往前就不会有这个问题
• 不区分大小写检查：代码里用了word.lower()，如果你的需求是只匹配小写的"no"/"none"，可以去掉这个转换

内容的提问来源于stack exchange，提问作者shbfy