Python:将字符串替换为prefixStringSuffix，保持原来的大小写，但在搜索匹配时忽略大小写

Question

所以我要做的就是在一个更大的字符串中用"<b>keyword</b>"替换一个字符串"keyword“。

示例：

myString =“您好。您应该提升该人员的职位。您好。”

keyword = "hi“

我想要的结果是：

result = "<b>HI</b> there. You should higher that person for the job. <b>Hi</b> <b>hi</b>."

在用户键入关键字之前，我不知道关键字是什么，在运行查询之前，我不知道语料库(myString)。

我找到了一个解决方案，它在大多数情况下都有效，但有一些误报，namely it would return "<b>hi<b/>gher"不是我想要的。还要注意，我试图保留原始文本的大小写，并且匹配应该发生在不区分大小写的情况下。因此，如果关键字是"hi“，它应该替换HI with <b>HI</b> and hi with <b>hi</b>.

我最近使用的是它的一个稍微派生的版本：http://code.activestate.com/recipes/576715/，但我仍然不知道如何对字符串进行第二次传递，以修复上面提到的所有误报。

或者使用NLTK的WordPunctTokenizer (它简化了标点符号等一些事情)，但我不确定如何将句子重新组合在一起，因为它没有反向功能，我想保留myString的原始标点符号。重要的是，对所有标记进行连接不会返回原始字符串。例如，如果原始文本有"7-7“，则在将标记重新分组为其原始文本时，我不希望将"7 - 7”替换为"7 - 7“。

希望这已经足够清楚了。这似乎是一个简单的问题，但事实证明它比我想象的要难一点。

Answer 1

这样可以吗？

>>> import re
>>> myString = "HI there. You should higher that person for the job. Hi hi."
>>> keyword = "hi"
>>> search = re.compile(r'\b(%s)\b' % keyword, re.I)
>>> search.sub('<b>\\1</b>', myString)
'<b>HI</b> there. You should higher that person for the job. <b>Hi</b> <b>hi</b>.'

整个过程的关键是使用word boundaries、groups和re.I flag。

Answer 2

您应该能够使用单词边界断言\b在re.sub中非常容易地做到这一点，它只在单词边界匹配：

import re

def SurroundWith(text, keyword, before, after):
  regex = re.compile(r'\b%s\b' % keyword, re.IGNORECASE)
  return regex.sub(r'%s\0%s' % (before, after), text)

然后你就会得到：

>>> SurroundWith('HI there. You should hire that person for the job. '
...              'Hi hi.', 'hi', '<b>', '</b>')
'<b>HI</b> there. You should hire that person for the job. <b>Hi</b> <b>hi</b>.'

如果你对什么是“词边界”有更复杂的标准，你必须这样做：

def SurroundWith2(text, keyword, before, after):
  regex = re.compile(r'([^a-zA-Z0-9])(%s)([^a-zA-Z0-9])' % keyword,
                     re.IGNORECASE)
  return regex.sub(r'\1%s\2%s\3' % (before, after), text)

您可以修改[^a-zA-Z0-9]组以匹配您认为是“非单词”的任何内容。

Answer 3

我认为最好的解决方案是正则表达式...

import re
def reg(keyword, myString) :
   regx = re.compile(r'\b(' + keyword + r')\b', re.IGNORECASE)
   return regx.sub(r'<b>\1</b>', myString)

当然，您必须首先使您的关键字“正则表达式安全”(引用任何正则表达式特殊字符)。