查找并替换特定的捕获组正则表达式

Question

我有以下形式的字符串列表：

ae nd <> ih t <> ih z <> w er th <> m eh n sh ax n <> ih n <> p ae s ih ng <> dh ae t <,> ae z <> ae n <> ih gz ae mp ax l <> ah v <> f ay n <> t ax p aa gr ax f iy <,>

这句话说“值得一提的是，作为精美排版的一个例子”

我有另一组形式的文件：

4
6 

这意味着我需要将上面的字符串替换为

ae n d <> ih t <> ih z <> w er th <> | m eh n sh ax n <> ih n <> p ae s ih ng <> dh ae t <,> ae z <> ae n <> | ih g z ae m p ax l <> ah v <> f ay n <> t ax p aa g r ax f iy <,> 

其中第 4 个和第 6 个<>已被替换为<> |

到目前为止，我已经用这个正则表达式捕获了所有组：

break_match = re.compile("[<]?.[>]+")
for match in re.finditer(break_match, sentence_match):
    match_group = match.group(0)

但我不确定如何迭代捕获的组（因为它一次性完成），然后替换它们。

Answer 1

您正在寻找re.sub 。 repl参数可以是一个函数，它为每个非重叠匹配调用（将匹配对象作为它的一个参数并返回要替换的字符串）。 因此，您可以使用类来跟踪状态并传入成员函数以根据需要执行（或不执行）替换。

一个快速而肮脏的示例可能如下所示：

class WordCount(object):
    def __init__(self, counts):
        self.counts = counts
        self.cur_count = counts.pop(0) if counts else None

    def replace_word_break(self, match):
        if self.cur_count is None:
            # we're done; don't replace anything else
            return match.group(0)
        self.cur_count -= 1
        if self.cur_count:
            # haven't reached the next break; don't replace
            return match.group(0)
        # we've reached a break; figure out next count and replace
        self.cur_count = self.counts.pop(0) if self.counts else None
        return "{} |".format(match.group(0))

word_counter = WordCount([4, 6])
result = break_match.sub(word_counter.replace_word_break, sentence_match)