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 文件中带单引号的文本字段（如 'many'、'such'）时，目标是将所有形如 'xxx' 的子串统一替换为固定字面量（如 'const'），同时严格保持原始行结构——即每条记录独立处理、不跨行合并。但原代码存在一个根本性误解：str(col1) 将整个 pd.Series 对象转为字符串，其默认输出包含索引、换行符和 Series 格式化信息（如 "0 ... 1 ... 2 ..."），再对其执行 re.sub()，相当于在整个格式化文本上做全局匹配，最终导致 col3 = pd.Series(col2) 创建了一个仅含单个字符串元素的新 Series，从而破坏了原始行数结构。
✅ 正确做法是利用 Pandas 内置的矢量化字符串方法，直接在 Series 层面按行操作：
import pandas as pd
df = pd.read_csv("t1.csv")
# 关键：使用 .str.replace()，regex=True 启用正则，自动逐元素处理
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
该方案的核心优势在于：
- .str.replace() 是 Pandas 专为 Series/StringArray 设计的向量化方法，对每个字符串元素独立应用正则替换；
- 不会触发 Series.__str__() 的格式化输出，完全避免跨行污染；
- 支持原生正则语法（如 r"'([^']*)'" 精确匹配非嵌套单引号包裹内容），且默认 regex=True（Pandas 1.4+），无需额外配置。
⚠️ 注意事项：
- 单引号在正则中无需转义（' 直接写即可），但若需匹配字面量单引号本身（如 '），应写作 ' 或使用原始字符串 r"'"；
- 若原文本含转义单引号（如 'don't'），当前正则 [^']* 无法正确处理，此时建议改用更鲁棒的模式：r"'(?:[^'\]|\.)*'"（需配合 re.DOTALL）或预处理清洗；
- 始终使用 index=False 写入 CSV，防止生成冗余的 Unnamed: 0 列；
- 替换前建议检查空值：df['col1'].fillna('').str.replace(...) 可避免 NaN 引发的 TypeError。
运行后，输出 t_u.csv 将严格保留原始三行结构，且每行中所有 'xxx' 均被精准替换为 const，真正实现“按行正则替换、格式零失真”。
