如何使用列表中的字符串动态创建正则表达式以用于 pandas 数据框搜索？

Question

以下代码允许我通过搜索包含单词“cod”或“i”的行来成功识别 pandas 数据框中的第二个和第三个文本，并且仅识别这些文本：

import numpy as np
import pandas as pd
texts_df = pd.DataFrame({"id":[1,2,3,4],
                      "text":["she loves coding", 
                              "he was eating cod",
                              "i do not like fish",
                              "fishing is not for me"]})

texts_df.loc[texts_df["text"].str.contains(r'\b(cod|i)\b', regex=True)]

我想通过从长列表中插入单词来动态构建单词列表，但我不知道如何成功做到这一点。

我已经尝试了以下操作，但出现错误，提示“r 未定义”（我期望它不是变量，但我也不能将其作为字符串的一部分，并且不知道应该做什么)

kw_list = ["cod", "i"]

kw_regex_string = "\b("
for kw in kw_list:
  kw_regex_string = kw_regex_string + kw + "|"
kw_regex_string = kw_regex_string[:-1]  # remove the final "|" at the end
kw_regex_string = kw_regex_string + ")\b"

myregex = r + kw_regex_string
texts_df.loc[texts_df["text"].str.contains(myregex, regex=True)]

如何构建包含关键字列表的“或”条件，然后以适用于 pandas 数据框搜索的方式将其插入到 reg ex 中？

Answer 1

当我这样做时，我用

map

和

re.escape

包裹列表以转义可能具有正则表达式含义的特殊字符，然后将其包含在括号中：

import re

kw_list = ['cod', 'i']

my_regex = r'\b(?:%s)\b' % '|'.join(map(re.escape, kw_list))

texts_df.loc[texts_df['text'].str.contains(my_regex, regex=True)]