Python：使用re.sub多次替换多个子字符串

我试图纠正一个文本，它有一些非常典型的扫描错误（我误认为是I，反之亦然）。基本上，我想让

re.sub

中的替换字符串取决于检测到“I”的次数，类似于：

re.sub（（\w+）（I+）（\w*），“\gl+\g”，“我还在这里。”）

---

实现此目的的最佳方法是什么？

传递函数作为替换字符串，如中所述。您的函数可以识别错误并在此基础上创建最佳替换

def replacement(match):
    if "I" in match.group(2):
        return match.group(1) + "l" * len(match.group(2)) + match.group(3)
    # Add additional cases here and as ORs in your regex

re.sub(r"(\w+)(II+)(\w*)", replacement, "I am stiII here.")
>>> I am still here.

---

（请注意，我修改了您的正则表达式，使重复的Is出现在一个组中。）

在我看来，您可以执行以下操作：

def replace_L(match):
    return match.group(0).replace(match.group(1),'l'*len(match.group(1)))

string_I_want=re.sub(r'\w+(I+)\w*',replace_L,'I am stiII here.')

您可以使用仅替换

I

s后面或前面的另一个

I

：

print re.sub("(?<=I)I|I(?=I)", "l", "I am stiII here.")

---

print re.sub（（？基于DNS提出的答案，我构建了一些更复杂的东西来捕获所有情况（或至少大部分情况），尽量不添加太多错误：

def Irepl(matchobj):
    # Catch acronyms
    if matchobj.group(0).isupper():
        return matchobj.group(0)
    else:
        # Replace Group2 with 'l's
        return matchobj.group(1) + 'l'*len(matchobj.group(2)) + matchobj.group(3)


# Impossible to know if first letter is correct or not (possibly a name)
I_FOR_l_PATTERN = "([a-zA-HJ-Z]+?)(I+)(\w*)"
for line in lines:
    tmp_line = line.replace("l'", "I'").replace("'I", "'l").replace(" l ", " I ")
    tmp_line = re.sub("^l ", "I ", tmp_line)

    cor_line = re.sub(I_FOR_l_PATTERN, Irepl, tmp_line)

    # Loop to catch all errors in a word (iIIegaI for example)
    while cor_line != tmp_line:
        tmp_line = cor_line
        cor_line = re.sub(I_FOR_l_PATTERN, Irepl, tmp_line)

希望这对其他人有帮助！
您能举出您遇到的其他情况的例子吗？是的；否则第一组中的第一个我会被\w+吞没。谢谢，我没有意识到这种机制的存在。捕获特殊情况而不必使正则表达式复杂化非常有用。我在an中发布了我的最终代码在下面回答。