Regex 高级文本替换（完形填空删除）

嗯，我想根据文本替换特定文本，是的，听起来很有趣，就是这样

问题是如何替换以制表符分隔的值。本质上，我想做的是用

{…}

替换句子中匹配的词汇字符串

制表符

\t

前的值是vocab，制表符后的值是句子。

\t

左边的值是第一列，右边是第二列

---

TL；DR版本（英文版）
基本上，我想在第一列的基础上替换第二列的文本

示例：

ABCD\t 19475ABCD\u 97jdhgbl

会变成

ABCD\t 19475{…}\u 97jdhgbl

ABCD

是这里的第一列，

19475abcd97jdhgbl

是第二列

如果您不了解下面的长版本的上下文，我可以解决这个ABCD问题。我认为这是一个相当简单的代码，但考虑到我上次用C编写代码已经有4年了，而且我最近才开始学习python，所以我不能这么做

---

长版本：（日语特定文本）
1.案例1：（用于纯汉字）

全部 \Tそれ、全部ください。

将成为

全部 \Tそれ、{...}ください。

2.案例2：（纯假名）**

ああ \Tああうるさい人は苦手です。

将成为

ああ \t{…}うるさい人は苦手です。

あいづち \T彼の話に私はあいづちを打ったの。

将成为

あいづち \T彼の話に私は{...}を打ったの。

对于
case1
和
case2
来说，它必须是完全匹配的，尤其是对于假名，否则它可能会替换句子中的其他假名。案例3的编码必须不同（见下一步）

3.案例3：（用于假名和汉字混合）

这是最复杂的一个。对于这一个，我希望脚本/解决方案只更改匹配的字符串，也就是说，它将忽略不匹配的内容，并仅用找到的匹配项替换这些内容。它所做的是尽可能长的匹配并相应地替换

上げる \T彼は荷物をあみだなに上げた。

将成为

上げる \T彼は荷物をあみだなに{...}た。

请注意，第一列有
上げる但第二列有
上げた因为它的时态已更改（第一列已更改）る 而第二个是た). 

因此，理想情况下，解决方案应采用两列中最长的字符串，在本例中为
上げ
，因此这是唯一一个替换为
{…}
的字符串，而它离开
た

另一个例子

が増える \T値段がが増える

将成为

が増える \T値段が{…}


更多TL；DR

我实际上是用这个来对付Anki的

我可以使用excel或记事本+，但我不认为它们可以取代基于占位符的文本

我在这里的目标是创建伪完形填空句子，我可以将其作为隐藏在提示字段中的提示，只用于难得离谱的同义词或同音词（我有一张听力卡）

我知道我漏掉了第四种情况，即纯假名，可能是一个句子的时态发生了变化，从而导致了它的拼写。好吧，这真的很难编码，所以我宁愿手动编写，以免搞乱句子中的另一个假名。

更新

我忘了说文本包含在.txt文件中，格式如下：

全部 \Tそれ、全部ください。

ああ \Tああうるさい人は苦手です。

あいづち \T彼の話に私はあいづちを打ったの。

上げる \T彼は荷物をあみだなに上げた。

这些东西大约有7000行，所以它必须检查每行的替换件。

代码可以工作，谢谢，只是一个包含非完整替换的句子的小错误，它会创建断字符。

上げたxxxx 彼は荷物をあみだなに上げあ。
ABCD    ABCD123
86876   xx86876h897
全部  それ、全部ください
ああ  ああうるさい人は苦手です。
上げたxxxx 彼は荷物をあみだなに上げあ。
務める ああうるさい人は苦手で務めす。
務める ああうるさい務めす人は苦手で。

变成：



只是为了测试的目的编辑了一下James的代码（我使用这个编辑过的版本来检查什么样的字符串会抛出代码）。
到目前为止，我发现词汇表中的空格可能会引起一些麻烦

此代码打印解析行下方的原始行。

只需更改此行：

fout.写入（输出）


对此

fout.write（output+str（line）+'\n'）
此正则表达式应处理您正在查找的情况（包括匹配第一列中可能最长的模式）：

^（\S+）（\S*？）\S+（\S*？（\1）\S*？）$


然后，您可以继续使用匹配组来进行所需的特定替换。以下是python中的示例解决方案：

import re

regex = re.compile(r'^(\S+)(\S*?)\s+?(\S*?(\1)\S*?)$')

with open('output.txt', 'w', encoding='utf-8') as fout:
    with open('file.txt', 'r', encoding='utf-8') as fin:
        for line in fin:
            match = regex.match(line)
            if match:
                hint = match.group(3).replace(match.group(1), '{...}')
                output = '{0}\t{1}\n'.format(match.group(1) + match.group(2), hint)
                fout.write(output)

.
听起来似乎是使用正则表达式的合理场所，尽管我不确定您是否在寻找编程解决方案。我也在考虑正则表达式，但我不确定它是否可以完成这项工作。老实说，我更喜欢编程解决方案，但正则表达式很好。我忘了提到vocab语句对在一个文本文件中，具有1 p每条线路的空气流量（见更新后的帖子）。顺便说一句，我正在使用python 2.7。另外，我如何格式化它以使其打开文本文件，我已经尝试使用sys import argv的
，
open
和
write
，但是编译器给了我错误。是的，我对python真的很不熟悉。@poly_purple我相应地更新了我的答案，尽管它没有经过测试。谢谢代码是完美的，除了出于某些原因，出现了断字符（请参阅更新的帖子）。我已经尝试添加了
#-*-编码：utf-8-*-
，但没有