Python 设置子字符串的开始和或结束正则表达式模式以在某些需要的情况下将其替换为另一个

这是一个有趣的问题，因为它需要一些高级的调整来解决它.让我们首先创建一些自动测试(这不是unit-test，但您可以很容易地从它创建一个):

input_text = ["ashashj a la una y una jhasjhdjhas",
              "ajshdjhas a las una y una hsdhjds",
              "A la una y cuarto  hjjhhj",
              "a las una y media hjjhsssshj",
              "A la una y menos cuarto  hjjhhj",
              "A las una en punto ashjs",
              "asas a la una en punto ajs",
              "hay que colocar una buena antena... algunas ya estaran entre la una y las una y media, pero con estar a eso de la una y una esta bien para alguna. A eso de la una! deberia estar como mucho a la una y poco mas, almenos una de ellas",
              "unas o algunas de ellas, ya estan entre la una, cerca de la una y las una y media, pero con estar a eso de la una; esta bien para llegar temprano, pero no quiero pasarme de la una y una."]

output = ["ashashj a la 1 y 1 jhasjhdjhas",
          "ajshdjhas a las 1 y 1 hsdhjds",
          "A la 1 y cuarto  hjjhhj",
          "a las 1 y media hjjhsssshj",
          "A la 1 y menos cuarto  hjjhhj",
          "A las 1 en punto ashjs",
          "asas a la 1 en punto ajs",
          "hay que colocar una buena antena... algunas ya estaran entre la 1 y las 1 y media, pero con estar a eso de la 1 y 1 esta bien para alguna. A eso de la 1! deberia estar como mucho a la 1 y poco mas, almenos una de ellas",
          "unas o algunas de ellas, ya estan entre la 1, cerca de la 1 y las 1 y media, pero con estar a eso de la 1; esta bien para llegar temprano, pero no quiero pasarme de la 1 y 1."]

for ogl, des in zip(input_text, output):
    txt = re.sub(pattern, "1", ogl)
    assert(txt == des)

现在，我们只需遍历这些示例和assert，证明它们是相等的.如果没有引发错误，那么您已经定义了一个合适的模式.剩下的唯一需要定义的是pattern.

这就是先进的思维:

• 我们只想替换所有出现的字符序列"una"、but
• 如果前面是"la "、"las "或"y "(始终带有widespace)，则为and
• 后跟宽空格、句尾字符(. ! ?)或分句符号(, ; :)--请注意，其中许多字符需要转义，因为它们用于指示特殊模式)

让我们把它放入一个模式中:

pattern = "(?<=((las?)|(y))\s)una(?=[\.\?\!\:,;\s])"

我们可以将第二个要求转换为"((las?)|(y))\s)"，但诀窍是使用"(?<=...)"来表示所需的字符序列的未使用的前瞻preceding.问题是the standard 102-package cannot cope with such a look-ahead if it is of variable length!(即，如果您使用?或|).加载高级regex包(请注意，您需要通过pip install regex安装它):import regex as re

第三个要求可以利用图案(?=[\.\?\!\:,;\s])来实现，该图案(?=[\.\?\!\:,;\s])再次产生所需序列的前瞻after.同样，它不使用字符串，该字符串简单地表示它需要这些字符出现在字符串中，但它们不会被替换.

为简洁起见，将整个代码放在一个框中:

import re

input_text = ["ashashj a la una y una jhasjhdjhas",
              "ajshdjhas a las una y una hsdhjds",
              "A la una y cuarto  hjjhhj",
              "a las una y media hjjhsssshj",
              "A la una y menos cuarto  hjjhhj",
              "A las una en punto ashjs",
              "asas a la una en punto ajs",
              "hay que colocar una buena antena... algunas ya estaran entre la una y las una y media, pero con estar a eso de la una y una esta bien para alguna. A eso de la una! deberia estar como mucho a la una y poco mas, almenos una de ellas",
              "unas o algunas de ellas, ya estan entre la una, cerca de la una y las una y media, pero con estar a eso de la una; esta bien para llegar temprano, pero no quiero pasarme de la una y una."]

output = ["ashashj a la 1 y 1 jhasjhdjhas",
          "ajshdjhas a las 1 y 1 hsdhjds",
          "A la 1 y cuarto  hjjhhj",
          "a las 1 y media hjjhsssshj",
          "A la 1 y menos cuarto  hjjhhj",
          "A las 1 en punto ashjs",
          "asas a la 1 en punto ajs",
          "hay que colocar una buena antena... algunas ya estaran entre la 1 y las 1 y media, pero con estar a eso de la 1 y 1 esta bien para alguna. A eso de la 1! deberia estar como mucho a la 1 y poco mas, almenos una de ellas",
          "unas o algunas de ellas, ya estan entre la 1, cerca de la 1 y las 1 y media, pero con estar a eso de la 1; esta bien para llegar temprano, pero no quiero pasarme de la 1 y 1."]

for ogl, des in zip(input_text, output):
    txt = re.sub("(?<=((las?)|(y))\s)una(?=[\.\?\!\:,;\s])", "1", ogl)
    assert(txt == des)

因为它不会抛出错误，所以它适合您的所有示例.