使用Python正则表达式替换

Question

我需要编写一个程序来识别病历中的姓名。 我该如何替换可能包含前缀，后缀和名字缩写或名字的名称，但不必每次都具有上述所有名称。 例如，我可以获取用来识别S Smith博士而不是Smith博士身份的程序。

谢谢！

这是我到目前为止的程序：

# This program removes names and email addresses occurring in a given input file and saves it in an output file.

import re
def deidentify():
    infilename = input("Give the input file name: ")
    outfilename = input("Give the output file name: ")

    infile = open(infilename,"r")
    text = infile.read()
    infile.close()

    # replace names
    nameRE = "(Ms\.|Mr\.|Dr\.|Prof\.) [A-Z](\.|[a-z]+) [A-Z][a-z]+" 
    deidentified_text = re.sub(nameRE,"**name**",text)



    outfile = open(outfilename,"w")
    print(deidentified_text, file=outfile)
    outfile.close()

deidentify()

Answer 1

的[AZ](\\.|[az]+)项

"(Ms\.|Mr\.|Dr\.|Prof\.) [A-Z](\.|[a-z]+) [A-Z][a-z]+"

正在搜索名字或名字的首字母。 您希望此部分是可选的，因此请使用捕获组。

nameRe = "(Ms\.|Mr\.|Dr\.|Prof\.)( [A-Z](\.|[a-z]+))?( [A-Z][a-z]+)"
re.sub(nameRe, r"\1\4" ,text)

? 在

re.sub(nameRe, r"\1\4" ,text)

表示“这部分是可选的，但即使它是空的，也仍将其视为捕获组。”

r"\\1\\4"告诉re.sub使用第一个和第四个捕获组（基本上，捕获组从显示( ）开始计时。

Answer 2

请尝试以下操作：

((?:Ms\.|Mr\.|Dr\.|Prof\.|Mrs\.) (?:[A-Z](?:\.|(?:[a-z])+) )?[A-Z][a-z]+)

但是，我建议将此文件解析为Python数据结构（字典，对象等），然后在打印结果时可以简单地省略名称，更不用说一旦数据被处理就可以做的所有其他方便的事情。在Python程序中（例如，该患者已经陪伴我们五年以上了吗？有多少百分比的患者拥有信用卡号作为付款信息？）。

Answer 3

答案是，表达式需要使用\\ s来考虑空格。 一旦输入，该程序便开始工作。