Python查找所有出现连字的单词并在位置处替换

Question

我有一个连字符替换的模式所有出现像cccc-come或oh-oh-oh-oh ，等等与最后一个记号即come或oh在这个例子中，在

• 连字符之间的字符数是任意的，可以是一个或多个字符
• 令牌匹配是在连字的最后一个令牌，因此come在cc-come 。

• 输入字符串可能有一个或多个出现，如以下句子：

  cccc-come to home today cccc-come to me

  oh-oh-oh-oh it's a bad life oh-oh-oh-oh

• 需要通过finditer匹配令牌的开始和结束位置

   r = re.compile(pattern, flags=re.I | re.X | re.UNICODE) for m in r.finditer(text): word=m.group() characterOffsetBegin=m.start() characterOffsetEnd=m.end() # now replace and store indexes 

[UPDATE]

假设那些带连字符的单词不属于固定词典，那么我要向其添加以下约束：

• 连字符之间的字符数必须在最小到最大范围内，例如{1,3}以便捕获组必须匹配c-come或cc-come ，但不能与诸如fine-tuning或inter-face等

Answer 1

您只需使用re.sub()即可替换所有内容，而不必迭代匹配的索引：

import re

s = 'c-c-c-c-come to home today c-c-c-c-come to me'

print(re.sub(r'(\w+(?:-))+(\w+)', '\\2', s))
# come to home today come to me

Answer 2

这是一个可能的表达式：

import re

text = ("c-c-c-c-come to home today c-c-c-c-come to me, "
        "oh-oh-oh-oh it's a bad life oh-oh-oh-oh")
pattern = r"(?<=-)\w+(?=[^-\w])"
r = re.compile(pattern, flags=re.I | re.X | re.UNICODE)
for m in r.finditer(text):
    word = m.group()
    characterOffsetBegin = m.start()
    print(word, characterOffsetBegin)

输出：

come 8
come 35
oh 56

Answer 3

使用捕获组和反向引用的选项可能是：

(?<!\S)(\w{2,3})(?:-\1)*-(\w+)(?!\S)

这将匹配：

• (?<!\\S)负向后看，断言左侧的内容不是非空格字符
• (\\w{2,3})在组1中捕获一个单词char的两倍或三倍
• (?:-\\1)*重复0+次匹配连字符，然后反向引用组1中匹配的内容
• -(\\w+)匹配-随后匹配组2中的1个以上的字符字符
• (?!\\S)负向超前，断言右侧的内容不是非空格字符

在替换中，使用第二个捕获组\\\\2或r'\\2

正则表达式演示 | Python演示

例如

import re

text = "c-c-c-c-come oh-oh-oh-oh it's a bad life oh-oh-oh-oh"
pattern = r"(?<!\S)(\w{1,3})(?:-\1)*-(\w+)(?!\S)"
text = re.sub(pattern, r'\2', text)
print(text)

结果

come oh it's a bad life oh

Answer 4

无需正则表达式即可完成。 码：

s = "c-c-c-c-come to home today c-c-c-c-come to me"
s = " ".join(w if "-" not in w else w[w.rindex('-') + 1:] for w in s.split(" "))

输出：

come to home today come to me