使用模糊正则表达式（在 Python 中）来纠正拼写

Question

我在分析的文本中有一系列常用词，我打算使用正则表达式模糊匹配来替换它们的任何拼写错误。

我知道我可以像这样循环它们：

import regex as re

edits = 1
my_arr = ['word1', 'word2', 'word3']
my_text = 'this is my text with wrd1 in it'

for word in my_arr:
    r_pattern = '(' + word + ')' + '){e<=' + str(edits) + '}'
    my_text = re.sub(r_pattern, word, my_text)

但是有没有办法使用regex.sub用regex.sub来做到这一点？ 即所以我的模式可能看起来像

r_pattern = '(word1|word2|word3){e<=1}'

Answer 1

这是我的解决方案

import regex as re

def repl(matchObj):
    return str(matchObj.lastgroup)

edits = 1
my_arr = ['word1', 'word2', 'word3']
my_text = 'this is my text with wrd3 in it'

r_pattern = ""
for i in range(len(my_arr)):
    if i == len(my_arr)-1:
        r_pattern += '(?P<' + my_arr[i] + '>' + my_arr[i] + '){e<=' + str(edits) + '}'
    else:
        r_pattern += '(?P<' + my_arr[i] + '>' + my_arr[i] + '){e<=' + str(edits) + '}|'

r = re.compile(r_pattern)
my_text = re.sub(r, repl, my_text)
print (my_text)

它使用匹配对象的 lastgroup 属性，该属性告诉您哪个组导致替换触发。 如果您需要，这应该可以很好地扩展到更大的数组，假设 re.compile 没有限制会妨碍您。 希望这可以帮助。 带有 lastgroup 的 Python 文档： https ://docs.python.org/2/library/re.html 方便的正则表达式编辑器可帮助解决未来的问题： https ://regex101.com