用regexPython3.x用space+substring+space替换子字符串

Question

我想将标点符号和符号从主文本中分离出来，以便将它们分割成单独的标记。我有一个包含以下符号%&()+,-./:;=–‘’“”″的文本文件，我想用\ssymbol\s替换每个符号( \s表示一个空格)，如果两个相同类型的符号(例如，.. )相邻，我想用\s..\s替换它们。这就是我迄今尝试过的：

>>> punc = "[%&\(\)\+,-./:;=–‘’“”″]+"
>>> import re
>>> pattern = re.compile(punc)
>>> text = "hi. hi.. hi; hi;; 55% good& good&&"
>>> text = re.sub(pattern, ' '+str(pattern)+' ', text)

当我打印文本时，我得到以下内容：

>>> print(text)
hi <_sre.SRE_Pattern object at 0x00000000035E14E0>  hi <_sre.SRE_Pattern object at 0x00000000035E14E0>  hi <_sre.SRE_Pattern object at 0x00000000035E14E0>  hi <_sre.SRE_Pattern object at 0x00000000035E14E0>  55 <_sre.SRE_Pattern object at 0x00000000035E14E0>  x <_sre.SRE_Pattern object at 0x00000000035E14E0> 

但我希望输出是这样的：

hi . hi .. hi ; hi ;; 55 % good & good &&

经过几次尝试，我意识到我无法编译正确的regex。我们非常感谢您的帮助！

Answer 1

处理您想要做的事情的正确方法是使用捕获组。这将让你回到你的对手。首先，让我先解释一下为什么您的尝试会给出您所看到的输出。

为什么你看到了你看到的

在re.sub函数中，当您将' '+str(pattern)+' '作为第三个参数时，它将被计算为string " <_sre.SRE_Pattern object at some_memory_location> "，因为str(pattern)返回模式对象的字符串表示，而不是模式的字符串表示。

顺便说一句，在Python3.4和3.5上，str(pattern)会为我返回re.compile('[%&\\(\\)\\+,-./:;=–‘’“”″]')，您使用的是哪个版本的Python？它可能是Python 2的一个版本吗？

​

解决方案

正如我前面提到的，您的解决方案需要使用捕获群组。要表示一个组，只需使用括号。在您的例子中，解决方案非常简单，因为您只需要一个组：

>>> import re
>>> pattern = re.compile(r"([%&\(\)\+,-./:;=–‘’“”″]+)")

注意，对于字符串文本，我在字符串开始之前使用了r。这表示原始字符串，这将导致字符串忽略Python定义的任何转义序列。例如，转义序列类似于'\t'，它表示一个选项卡。但是，如果您使用r'\t'，那么它就是实际的字符串\t。

>>> text = "hi. hi.. hi; hi;; 55% good& good&&"
>>> pattern.sub(r' \1 ', text)
'hi .  hi ..  hi ;  hi ;;  55 %  good &  good && '

注意，我只是使用了模式对象的sub方法，而不是模块级函数re.sub。这没什么大不了的，但对我来说就更干净了。另外，对于替换参数，我使用了r' \1 '。这个\1指的是您的模式捕获的第一个组。例如，如果您有多个组，您可以使用类似于\2 \1的东西来反转某些模式。再说一遍，这是一个逃逸序列！

潜在的改进

在您的规范中，不清楚您想如何处理两个以上的字符，例如三个字符。所以你的模式会很好地处理这种情况：

>>> text2 = "hi. hi.. hi; hi;; 55% good& good&& hi &&& hello,"
>>> pattern.sub(r' \1 ', text2)
'hi .  hi ..  hi ;  hi ;;  55 %  good &  good &&  hi  &&&  hello , '

也许这就是你要做的，但也许你想把“&”看作是两个截然不同的匹配：“&&”和“&”。您可以使用量词来处理这种情况：

>>> pattern2 = re.compile(r'([%&\(\)\+,-./:;=–‘’“”″]{1,2})')
>>> pattern2.sub(r' \1 ', text2)
'hi .  hi ..  hi ;  hi ;;  55 %  good &  good &&  hi  &&  &  hello , '

与使用表示一个或多个的+符号不同，您可以使用括号符号来具有更细粒度的控件。例如，{1, 3 }将匹配1到3。{3}将完全匹配。{3，}将匹配3或更多。