如何准确地将逗号与正则表达式放在一起？

Question

我是Python正则表达式中的新手。这是我的短信：

'Condition: Remanufactured Grade: Commercial Warranty: 1 Year Parts & On-Site Labor w/Ext. Ships: Fully Assembled Processing Time: Ships from our Warehouse in 2-4 Weeks

我想使用python正则表达式添加逗号，结果如下所示：

'Condition: Remanufactured ,Grade: Commercial ,Warranty: 1 Year Parts & On-Site Labor w/Ext. Ships: Fully Assembled ,Processing Time: Ships from our Warehouse in 2-4 Weeks

基本上，我希望目标词包含冒号，并希望从第二个字符串中添加逗号。

Answer 1

老实说，我不会用正则表达式来解决这个问题，这在很大程度上是基于您的“处理时间”示例，这使您看起来只有知道需要解决的特定字符串才能解决问题。

代码无法神奇地知道“处理”比“完全组装”更紧密地绑定在“时间”上。

所以我看到了三种解决方案，我只想把重点放在第一种，因为我认为这是最好的一种，但我将简要地总结这三种方案：

1. 使用一个已知字段名的列表，这会使逗号插入更加困难，并且只在逗号插入逻辑的持续时间内替换这些字符串。这将使您的逗号插入逻辑变得更简单和规则。

1. 获取所有已知字段名的列表，并专门查找它们在它们前面插入逗号。这可能更糟，但如果名称列表没有变化，并且预期不会更改，而且大多数名称都很棘手，那么这可能会更干净。

1. 抛出一个现代语言建模文本预测AI来解决问题:给定一个模糊字符串，如“.：完全组装处理时间：.”你基本上可以用“组装”提示你的人工智能，看看它给下一个令牌多少信任是“处理时间”，然后用“处理”提示它，看看它给下一个令牌多少信任是“时间”，然后选择它对它更有信心的那个作为你的字段名。我认为这太过分了，除非您在输入方面得到如此少的保证，所以您必须把它当作一个自然语言处理问题来处理。

所以我会做选项1，总的想法是这样的：

tricky_fields = {
    "Processing Time": "ProcessingTime",
    # add others here as needed
}
for proper_name, easier_name in tricky_fields:
    my_text = my_text.replace(f" {proper_name}: ", f" {easier_name}: ")
# do the actual comma insertions here
for proper_name, easier_name in tricky_fields:
    my_text = my_text.replace(f" {easier_name}: ", f" {proper_name}: ")

注意，我在替换的字段名周围放置了空格和冒号。如果您知道您的字段总是由类似的空格和冒号分隔，这是更好的做法，因为它不太可能自动替换不想替换的东西，因此以后不太可能成为bug的来源。

如果您的所有替换都不使用任何空格或冒号，那么逗号插入本身就会变成一个简单的正则表达式，因为您的目标只是[^ :]+:，但是regex是一种神秘的微语言，没有为人类的可读性进行优化，而且它不需要是正则表达式，因为您只需要在:上拆分，然后对每次分割的结果在最后一次拆分，然后用,或,重新连接，然后重新加入整个过程：

def insert_commas(text):
    parts = text.split(":")
    new_parts = []
    for part in parts:
        most, last = part.split(" ", -1)
        new_part = " ,".join((most, last))
        new_parts.append(new_part)
    return ":".join(new_parts)

但是，如果您真的想使用regex，这里有一个简单的正则表达式，它可以实现您想要的结果：

def insert_commas(text):
    return re.sub(' ([^ :]+: )', r' ,\1', text)

尽管在实际的生产代码中，我会改进棘手的字段替换，方法是将两个替换分解成一个单独的可测试函数，并使用一些bidict来代替常规字典，如下所示：

from bidict import bidict

tricky_fields = bidict({
    "Processing Time": "ProcessingTime",
    # add others here as needed
})

def replace_fields(names, text):
    for old_name, new_name in names:
        text = text.replace(f" {old_name}: ", f" {new_name}: ")
    return text

使用bidict和专用函数更清晰、更自我描述、更易于维护、更少的代码保持一致，而且更容易测试/验证，甚至可以避免将两个棘手的字段名意外地映射到相同的替换字段，从而获得一些运行时安全性。

因此，将前两个代码块组合在一起：

text = replace_fields(tricky_fields, text)
text = insert_commas(text)
text = replace_fields(tricky_fields.inverse, text)

当然，如果您不需要进行第二个替换来撤消初始替换，您可以将其保留为-在完成逗号插入之后。不管是哪种方式，这种方法都是将逗号问题从棘手的名称问题中分解出来的，这使得逗号问题变得更加困难/复杂。