我有一个数据框列，其中包含文章名称（名称：文章）。我希望创建另一个列来扫描文章列的每个元素，并从列表中找到以下任何关键字：
['What','Why','How', 'Who', 'COVID-19', 'COVID', 'When','Where','?']
问题是“？”的存在返回一个错误：在位置 32 没有可重复的内容。我尝试将 regex=False 传递给我的代码仍然看到同样的问题
mylist = ['What','Why','How', 'Who', 'COVID-19', 'COVID', 'When','Where','?']
pattern = '|'.join(mylist)
df1_pcp['Boolean flag'] = df1_pcp.Title.str.contains(pattern)
我应该如何解决这个问题？
【问题讨论】：
'?' 是一个特殊的正则表达式字符，考虑用'\?'替换它吗？
您应该转义需要在正则表达式中保留文字（非 RE）语义的字符串。您可以使用re 库中的re.escape() 自动转义字符串：
import re
mylist = ['What','Why','How', 'Who', 'COVID-19', 'COVID', 'When','Where','?']
print('|'.join(mylist))
pattern = '|'.join(re.escape(elem) for elem in mylist)
print(pattern)
观察输出：
What|Why|How|Who|COVID-19|COVID|When|Where|?
What|Why|How|Who|COVID\-19|COVID|When|Where|\?
如您所见，我们对您的文字字符串进行转义的模式，即连字符 和？字符得到了转义。 PCRE 模式不分配特殊的“元字符”含义 连字符除了在字符类中 - 至少我记不得了，但转义该字符也没有什么坏处。
将您打算传入的字符串 re.escape 通常是个好主意
一个正则表达式引擎，除非你明确地保留他们的“模式”
质量而不是它们的文字字符串特征。这尤其
如果您的搜索词来自外部来源，而这些来源现在可能已经了解正则表达式，或者更糟糕的是，确实了解并利用他们的理解来制作极其悲观的正则表达式，则为 true。
【讨论】：