Python：使用正則表達式替換所有出現的子字符串

Question

我想用正則表達式替換所有出現的子字符串。 原始句子如下：

mystring = "Carl's house is big. He is asking 1M for that(the house)."

現在，假設我有兩個要加粗的子字符串。 我通過在子字符串的開頭和結尾添加**來加粗單詞。 2個子字符串是：

substring1 = "house", so bolded it would be "**house**"
substring2 = "the house", so bolded it would be "**the house**"

最后，我想要這樣的原始句子：

mystring = "Carl's **house** is big. He is asking 1M for that(**the house**)."

主要問題在於，由於我要替換幾個子字符串，因此它們可以像上面的示例一樣重疊單詞。 如果首先分析最長的子字符串，我將得到以下信息：

Carl's **house** is big. He is asking 1M for that(**the **house****). 

另一方面，如果我首先分析最短的子字符串，則會得到以下信息：

Carl's **house** is big. He is asking 1M for that(the **house**).

看來我需要將最長的子字符串替換為最短的子字符串，但是我想知道如何在第一次替換中而不是第二次替換中考慮它。 還請記住，子字符串可以在字符串中出現幾次。

注意：//假設字符串**永遠不會出現在原始字符串中，所以我們可以使用它來加粗我們的單詞

Answer 1

您可以一次搜索所有字符串，因此一個字符串是另一個字符串的子字符串這一事實無關緊要：

re.sub(r"(house|the house)", r"**\1**", mystring)

Answer 2

您可能有一個未被捕獲且需要注意的組。 如果查看正則表達式模式(?P<repl>(?:the )?house) ，則(?:the )? 一部分是說，有可能是一個the字符串中，如果存在的話，它包括將比分扳平。 這樣，您可以讓re庫優化其匹配方式。 這是完整的例子

>>> data = "Carl's house is big. He is asking 1M for that(the house)."
>>> re.sub('(?P<repl>(?:the )?house)', '**\g<repl>**', data) 
"Carl's **house** is big. He is asking 1M for that(**the house**)."

注意： \\g<repl>用於獲取組<repl>匹配的所有字符串

Answer 3

您可以做兩遍：

第一：從最長到最短，然后替換為：

• “房子”：“ AA_THE_HOUSE”
• '房子'：'BB_HOUSE'

第二：進行替換，例如：

• 'AA_THE_HOUSE'：' **the house** '
• 'BB_HOUSE'：' **house** '

Answer 4

將字符串替換為一些唯一值，然后將其替換為用**括起來的原始字符串，使它們變為粗體。

例如：

'房子'與'temp_the_house''房子'與'temp_house'

然后是“ temp_house”和“ house ”，“ temp_the_house”和“ ** thehouse ****”

應該工作正常。 您可以使用兩個列表來自動執行此操作。