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Python:使用re.sub多次替换多个子字符串,python,replace,Python,Replace,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
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。