17370845950

本文详解如何在 pandas dataframe 中使用 `str.replace()` 配合正确转义的正则表达式，删除紧跟在 `aa` 前的未转义竖线 `|`，避免因忽略元字符特性导致替换失败。

在 Pandas 字符串处理中，str.replace() 的 regex=True 模式会将传入的字符串视为正则表达式解析。而竖线字符 | 在正则语法中是“或”操作符（alternation），属于特殊元字符——它不会被当作字面量管道符匹配，除非显式转义。

你原本的写法：

df['data'].str.replace('|(?=AA)', '', regex=True)

实际等价于匹配“空字符串 或 后面紧接 AA 的位置”，这既无意义，也无法匹配到 | 字符本身，因此替换无效。

✅ 正确做法是：使用原始字符串（r''）并转义 | 为 \|，同时保留正向先行断言 (?=AA) 确保只删除后面紧跟 AA 的那个 |：

import pandas as pd

df = pd.DataFrame({'data': ['10SGD01|AA169|10SGD01|AA170']})
df['data'] = df['data'].str.replace(r'\|(?=AA)', '', regex=True)
print(df)
#                        data
# 0  10SGD01AA169|10SGD01AA170

? 关键点说明：

• r'\|'：原始字符串确保反斜杠不被 Python 解析为转义，\| 才能准确匹配字面量 |；
• (?=AA)：正向先行断言（positive lookahead），要求 | 后面必须紧邻 AA，但不消耗 AA 字符（即 AA 保留在结果中）；
• 该模式只会匹配 |AA 中的 |，而不会影响其他位置的 |（例如 |BB 或末尾 |），具备高度针对性。

⚠️ 注意事项：

• 若需全局替换所有 |（无论后缀），可简化为 r'\|'；
• 若 AA 可能出现在不同大小写（如 aa、Aa），应添加 case=False 参数：.str.replace(r'\|(?=AA)', '', regex=True, case=False)；
• Pandas ≥ 2.0 默认启用 regex=True（当传入字符串含正则语法时自动触发），但显式声明更清晰、更安全。

通过理解正则元字符的语义与转义机制，你不仅能修复当前问题，还能举一反三地处理类似场景（如处理 +, *, ?, [, ^ 等需转义的符号）。