本文详解为何直接对 series 调用 re.sub() 会导致多行数据被错误合并为单行，并提供正确使用 str.replace() 实现逐行正则替换的完整方案。
本文详解为何直接对 series 调用 re.sub() 会导致多行数据被错误合并为单行，并提供正确使用 str.replace() 实现逐行正则替换的完整方案。
在处理 CSV 文本数据时，一个常见需求是：将每行中所有形如 'xxx' 的单引号包裹字符串统一替换为指定字面量（如 const）。但若误用 Python 原生 re.sub() 对整个 Pandas Series（而非其每个元素）进行操作，就会引发严重格式错误——所有行被拼接成单个字符串，最终输出 CSV 仅剩一行，其余内容“消失”在引号内。
根本原因在于：str(col1) 将整个 pd.Series 对象转为字符串表示（含索引、名称和 dtype），例如：
0 This one has 'many' 'such' 'quotes' in it. 1 Now it does not. 2 But 'this' 'one' does 'have' it 'too'. Name: col1, dtype: object
此时 re.sub(..., str(col1)) 是在整个这个长字符串上匹配，而非逐行处理，自然破坏原始行结构。
✅ 正确做法是利用 Pandas 内置的矢量化字符串方法 str.replace()，它自动对 Series 中每个字符串元素独立执行正则替换，保留原始索引与行结构：
import pandas as pd
df = pd.read_csv("t1.csv")
# 关键：使用 .str.replace()，并显式启用 regex=True
df['col1'] = df['col1'].str.replace(r"'([^']*)'", "const", regex=True)
df.to_csv("t_u.csv", index=False) # 推荐添加 index=False 避免写入额外索引列? 正则说明：r"'([^']*)'"
- r"" 表示原始字符串，避免转义干扰；
- ' 匹配字面单引号；
- ([^']*) 捕获零个或多个非单引号字符（惰性匹配，安全避开嵌套）；
- 外层单引号闭合整个模式；
- 替换为 "const" 即可，无需捕获组引用。
? 注意事项：
- ❌ 禁止 str(col1) + re.sub() 组合，这是导致行合并的根源；
- ✅ 必须使用 .str.replace(..., regex=True)，Pandas 2.0+ 默认 regex=True，但显式声明更清晰；
- ⚠️ 若原文含转义单引号（如 'don't'），该正则不适用，需升级为 r"'(?:[^'\]|\.)*'" 并启用 flags=re.DOTALL；
- ? 测试建议：先在小样本上运行 print(df['col1'].str.replace(...).tolist()) 验证结果格式。
执行后，输出 CSV 将严格保持原始三行结构，且每行内的 'xxx' 均被精准替换为 const，真正实现“按行正则清洗”，兼顾效率与语义完整性。
