Python查找所有出現連字的單詞並在位置處替換

Question

我有一個連字符替換的模式所有出現像cccc-come或oh-oh-oh-oh ，等等與最后一個記號即come或oh在這個例子中，在

• 連字符之間的字符數是任意的，可以是一個或多個字符
• 令牌匹配是在連字的最后一個令牌，因此come在cc-come 。

• 輸入字符串可能有一個或多個出現，如以下句子：

  cccc-come to home today cccc-come to me

  oh-oh-oh-oh it's a bad life oh-oh-oh-oh

• 需要通過finditer匹配令牌的開始和結束位置

   r = re.compile(pattern, flags=re.I | re.X | re.UNICODE) for m in r.finditer(text): word=m.group() characterOffsetBegin=m.start() characterOffsetEnd=m.end() # now replace and store indexes 

[UPDATE]

假設那些帶連字符的單詞不屬於固定詞典，那么我要向其添加以下約束：

• 連字符之間的字符數必須在最小到最大范圍內，例如{1,3}以便捕獲組必須匹配c-come或cc-come ，但不能與諸如fine-tuning或inter-face等

Answer 1

您只需使用re.sub()即可替換所有內容，而不必迭代匹配的索引：

import re

s = 'c-c-c-c-come to home today c-c-c-c-come to me'

print(re.sub(r'(\w+(?:-))+(\w+)', '\\2', s))
# come to home today come to me

Answer 2

這是一個可能的表達式：

import re

text = ("c-c-c-c-come to home today c-c-c-c-come to me, "
        "oh-oh-oh-oh it's a bad life oh-oh-oh-oh")
pattern = r"(?<=-)\w+(?=[^-\w])"
r = re.compile(pattern, flags=re.I | re.X | re.UNICODE)
for m in r.finditer(text):
    word = m.group()
    characterOffsetBegin = m.start()
    print(word, characterOffsetBegin)

輸出：

come 8
come 35
oh 56

Answer 3

使用捕獲組和反向引用的選項可能是：

(?<!\S)(\w{2,3})(?:-\1)*-(\w+)(?!\S)

這將匹配：

• (?<!\\S)負向后看，斷言左側的內容不是非空格字符
• (\\w{2,3})在組1中捕獲一個單詞char的兩倍或三倍
• (?:-\\1)*重復0+次匹配連字符，然后反向引用組1中匹配的內容
• -(\\w+)匹配-隨后匹配組2中的1個以上的字符字符
• (?!\\S)負向超前，斷言右側的內容不是非空格字符

在替換中，使用第二個捕獲組\\\\2或r'\\2

正則表達式演示 | Python演示

例如

import re

text = "c-c-c-c-come oh-oh-oh-oh it's a bad life oh-oh-oh-oh"
pattern = r"(?<!\S)(\w{1,3})(?:-\1)*-(\w+)(?!\S)"
text = re.sub(pattern, r'\2', text)
print(text)

結果

come oh it's a bad life oh

Answer 4

無需正則表達式即可完成。 碼：

s = "c-c-c-c-come to home today c-c-c-c-come to me"
s = " ".join(w if "-" not in w else w[w.rindex('-') + 1:] for w in s.split(" "))

輸出：

come to home today come to me