单词列表的regex筛选器，直到字符第9次出现

Question

我有一个带有urls的Dataframe我有一张黑名单，上面有过滤这些urls的单词。不，我想过滤这些网址，直到第三次出现/。例如：

http://example.com/abc/def/

在这里，我只想过滤直到第三次出现/。

所以说：http://example.com/

我读了一些类似的问题，我想我需要结合两个规则。

1. /.*?/(.*?)/这应该完成过滤的工作直到第三次出现/
2. to过滤我使用这个表达式的单词列表：

mask = df["url"].str.contains(r'\b(?:{})\b'.format('|'.join(blacklist)))
df_new = df[~mask]

现在我不知道如何组合这两个表达式。我是Python的新手，尤其是regex，所以也可能有一种更聪明的方法来完成这个任务。

谢谢。

编辑:黑名单如下：["ebay","shop","camping","car"]

Df是这样的：

url                             text
http://example.com/abc/def/     fdogjdfgfd
http://abcde.com/yzt/egd/        oijfgfdgdf
http://ebay.com/buy/something    fgfgeg

Answer 1

使用具有给定regex模式的Series.str.contains：

pattern = '|'.join(rf'(?://[^/]*?{b}[^/]+)' for b in blacklist)
m = df['url'].str.contains(pattern, case=False)
df = df[~m]

# print(df)
                           url        text
0  http://example.com/abc/def/  fdogjdfgfd
1    http://abcde.com/yzt/egd/  oijfgfdgdf

您可以测试regex here。