Python 正则表达式，如何用单个模式替换多次出现？

Question

我正在尝试制作一个模糊的自动完成建议框，突出显示带有 HTML 标签的搜索字符 <b></b>

例如，如果用户键入“ldi”并且其中一个建议是“Leonardo DiCaprio”，那么期望的结果是“ L eonar d o D i Caprio”。 每个字符的第一次出现按出现顺序突出显示。

我现在正在做的是：

def prototype_finding_chars_in_string():
    test_string_list = ["Leonardo DiCaprio", "Brad Pitt","Claire Danes","Tobey Maguire"]
    comp_string = "ldi" #chars to highlight
    regex = ".*?" + ".*?".join([f"({x})" for x in comp_string]) + ".*?" #results in .*?(l).*?(d).*?(i).*
    regex_compiled = re.compile(regex, re.IGNORECASE)
    for x in test_string_list:
        re_search_result = re.search(regex_compiled, x) # correctly filters the test list to include only entries that features the search chars in order
        if re_search_result:
            print(f"char combination {comp_string} are in {x} result group: {re_search_result.groups()}")

结果是

char combination ldi are in Leonardo DiCaprio result group: ('L', 'D', 'i')

现在我想用<b>[whatever in the result]</b>替换结果组中的每个匹配项，但我不知道该怎么做。

我目前正在做的是循环结果并使用内置的str.replace方法来替换出现的情况：

def replace_with_bold(result_groups, original_string):
    output_string: str = original_string
    for result in result_groups:
        output_string = output_string.replace(result,f"<b>{result}</b>",1)
    
    return output_string

这导致：

Highlighted string: <b>L</b>eonar<b>d</b>o D<b>i</b>Caprio

但是我认为当我已经有了匹配组时，像这样循环结果是浪费的。 此外，它甚至不正确，因为它从每个循环的开头检查字符串。 因此，对于输入 'ooo'，结果如下：

char combination ooo are in Leonardo DiCaprio result group: ('o', 'o', 'o')
Highlighted string: Le<b><b><b>o</b></b></b>nardo DiCaprio

什么时候应该是Le<b>o</b>nard<b>o</b> DiCapri<b>o</b>

有没有办法简化这个？ 也许这里的正则表达式有点矫枉过正？

Answer 1

这应该有效：

for result in result_groups:
    output_string = re.sub(fr'(.*?(?!<b>))({result})((?!</b>).*)',
         r'\1<b>\2</b>\3',
         output_string,
         flags=re.IGNORECASE)

在每次迭代中，第一次出现的结果（ ?使得.*懒惰，这一起产生了第一次出现的魔力）如果在 ( (?!<b>) <b>result</b>和(?!</b>)做那部分) 和\1 \2 \3是第一组，第二组和第三组，另外我们将使用IGNORECASE标志使其不区分大小写。

Answer 2

一种使用 re.split 的方法：

test_string_list = ["Leonardo DiCaprio", "Brad Pitt", "Claire Danes", "Tobey Maguire"]

def filter_and_highlight(strings, letters):
    
    pat = re.compile( '(' + (')(.*?)('.join(letters)) + ')', re.I)
    
    results = []
    
    for s in strings:
        parts = pat.split(s)
        
        if len(parts) == 1: continue
        
        res = ''
        for i, p in enumerate(parts):
            if i & 1:
                p = '<b>' + p + '</b>'
                
            res += p
            
        results.append(res)
        
    return results

filter_and_highlight(test_string_list, 'lir')