Python正则表达式组

我从PDF中刮取了一些文字，字符的重音/umlaut在字母后被刮去，例如：`“Jos'e”和“Mu¨ller”。因为这些角色只有少数几个，我想把它们改成例如“José”和“Müller”

我正在尝试适应这里的模式

在上面的示例中，我可以使用什么模式来获取

'''''

字符的位置？然后我可以检查后面的字母并相应地替换文本

我的文本是从科学论文中抄袭而来的，可能在其他地方包含这些字符，例如在代码中。这就是为什么我使用正则表达式而不是

。将
或文本规范化替换为例如
unicodedata
，因为我想确保替换的是“单词”（更准确地说是作者的名字和姓氏）

编辑：我可以放宽这些条件，只需在任何地方替换这些字符，因为如果它们出现在非单词中，例如“F=m”⋅无论如何，我将丢弃非单词。因此，我可以使用一种简单的
replace
方法
对模式的快速修复将返回您正在查找的索引。小组将只捕捉撇号字符，而不是匹配整个单词

import re

pattern = "(?=\S*[´])[a-zA-Z]+([´]+)[a-zA-Z]+"
ms = re.finditer(pattern, "Jos´e Vald´ez")
for m in ms:
    print(m.group())   # returns "Jos´e" and "Vald´ez"
    print(m.start(1))  # returns 3 and 10

我建议使用

重新导入
d={'e'：'e'，'u¨'：'u'}
pattern=“|”。.join（[x代表d中的x]）
打印（关于sub（模式，lambda m:d[m.group（）]，“Jos'e Vald'ez”））
#=>何塞·瓦尔德斯

看

如果你需要确定单词边界，你可以考虑使用
pattern = r"\b´e|u¨\b"

看
\b
在
'
之前和之后
u
将确保它们之前/之后有其他单词字符。
为什么不像
s.replace（'e'，'e'）。replace（'u¨，'u'）
？这些都是单词的一部分。我想确定我正在替换单词，但这些都是单词。你这是什么意思？您希望匹配发生在什么上下文中？请澄清。是的，但我可以在文本中使用诸如‘’之类的字符出现在非单词中，如Code。我想你是对的，我想我让自己太难了。如果这些字符出现在（糟糕的）非单词/名称的拼凑文本中，我无论如何都会去掉这些单词。欢迎您在WiktorStribiżewAh发布答案，OP已经得出结论，没有必要匹配单词。我将删除注释。请注意，
（？=\S*[''）
在这里是多余的，因为
[a-zA-Z]+（['']+）
立即遵循此前瞻。因此，前瞻性将始终返回True。
pattern = r"\b´e|u¨\b"