Python re.sub（）：如何用'你'替换所有'你'或'你'

Question

我正在使用python和正则表达式进行一些文本规范化。 我想用'你'替换所有'你'或'你'。 这是我到目前为止所做的：

import re
text = 'how are u? umberella u! u. U. U@ U# u '
print re.sub (' [u|U][s,.,?,!,W,#,@ (^a-zA-Z)]', ' you ', text)

我得到的输出是：

how are you  you berella you  you  you  you  you  you

正如你所看到的那样，'umberella'被改为'berella'。 另外我想保留'u'之后出现的角色。 例如，我想要'你！' 被改为'你！'。 任何人都可以告诉我我做错了什么，写正则表达式的最佳方法是什么？

Answer 1

首先，为什么你的解决方案不起作用。 你混淆了很多概念。 主要是与其他人的角色类 。 在第一个字符类中使用| 这源于交替 。 在字符类中，您不需要管道。 只需列出您想要的所有字符（和字符范围）：

[Uu]

或者，如果使用不区分大小写的修饰符，只需编写u即可。 如果在那里编写管道，则字符类实际上将匹配主题字符串中的管道。

现在在第二个字符类中，您可以使用逗号分隔字符，原因有些奇怪。 除了在可匹配的角色中包含逗号外，这也没什么。 s和W可能应该是内置的角色类。 然后逃脱他们！ 否则，他们将只匹配字面s和文字W 。 但是\\W已经包含了你在那里列出的所有内容，所以一个\\W单独（没有方括号）就足够了。 而最后一部分(^a-zA-Z)也不起作用，因为它只会将^ ， ( ， )和所有字母都包含在字符类中。 否定语法仅适用于整个字符类，如[^a-zA-Z] 。

你真正需要的是断言，有在前面或你之后没有字母u 。 你可以使用lookarounds 。 优点是它们不会包含在比赛中，因此不会被删除：

r'(?<![a-zA-Z])[uU](?![a-zA-Z])'

请注意，我使用了原始字符串。 通常是正则表达式的良好实践，以避免转义序列的问题。

这些都是负面lookarounds是确保没有字母字符之前或之后的u 。 这与断言存在非字母字符（与您所做的类似）的重要区别在于，因为后一种方法在字符串的开头或结尾不起作用。

当然，你可以删除周围的空间you从替换字符串。

如果您不想替换数字旁边的u ，可以轻松地将数字包含在字符类中：

r'(?<![a-zA-Z0-9])[uU](?![a-zA-Z0-9])'

如果因为某些原因，相邻的下划线也将取消其参赛资格的u更换，您可以包括这一点。 但是后来角色类与内置的\\w ：

r'(?<!\w)[uU](?!\w)'

在这种情况下，这相当于EarlGray的r'\\b[uU]\\b' 。

如上所述，您可以使用不区分大小写的修饰符来缩短所有这些。 以第一个表达式为例：

re.sub(r'(?<![a-z])u(?![a-z])', 'you', text, flags=re.I)

要么

re.sub(r'(?<![a-z])u(?![a-z])', 'you', text, flags=re.IGNORECASE)

取决于您的偏好。

我建议你通过我在这个答案中多次链接的教程来阅读。 这些解释非常全面，应该会让你对正则表达式有一个很好的启发，你可能迟早会再遇到它。

Answer 2

使用特殊字符\\b ，它在单词的开头或结尾处匹配空字符串：

print re.sub(r'\b[uU]\b', 'you', text)

空格不是一个可靠的解决方案，因为还有很多其他标点符号，所以发明了一个抽象字符\\b来表示一个单词的开头或结尾。

Answer 3

这对我有用：

    import re
    text = 'how are u? umberella u! u. U. U@ U# u '
    rex = re.compile(r'\bu\b', re.IGNORECASE)
    print(rex.sub('you', text))

它预先编译正则表达式并使用re.IGNORECASE，这样我们就不用担心正则表达式中的case了！ 顺便说一句，我喜欢伞的时髦拼写！ :-)

Answer 4

它也可以通过以下代码实现

import re

text = 'how are u? umberella u! u. U. U@ U# u '
print (re.sub (r'[uU] ( [^a-z] )', r' you\1 ', text))

要么

print (re.sub (r'[uU] ( [\s!,.?@#] )', r' you\1 ', text))

Answer 5

我想出的另一个可能的解决方案是：

re.sub(r'([uU]+(.)?\s)',' you ', text)