使用正则表达式 Python3.x 将子字符串替换为 space+substring+space
Replacing substring with space+substring+space using regex Python3.x
我想将标点符号和符号与正文分开，以便将它们拆分为单独的标记。我有一个包含以下符号 %&()+,-./:;=–‘’“”″ 的文本文件，我想用 \ssymbol\s 替换每个符号（\s 表示 space），如果两个相同的符号输入例如..彼此相邻，我想用\s..\s替换它们。这是我到目前为止尝试过的：
>>> punc = "[%&\(\)\+,-./:;=–‘’“”″]+"
>>> import re
>>> pattern = re.compile(punc)
>>> text = "hi. hi.. hi; hi;; 55% good& good&&"
>>> text = re.sub(pattern, ' '+str(pattern)+' ', text)
当我打印文本时，我得到以下信息：
>>> print(text)
hi <_sre.SRE_Pattern object at 0x00000000035E14E0> hi <_sre.SRE_Pattern object at 0x00000000035E14E0> hi <_sre.SRE_Pattern object at 0x00000000035E14E0> hi <_sre.SRE_Pattern object at 0x00000000035E14E0> 55 <_sre.SRE_Pattern object at 0x00000000035E14E0> x <_sre.SRE_Pattern object at 0x00000000035E14E0>
但我希望输出是这样的：
hi . hi .. hi ; hi ;; 55 % good & good &&
经过几次尝试，我意识到我无法编译正确的正则表达式。非常感谢您的帮助！
处理您尝试做的事情的正确方法是使用捕获组。这会让你回顾你的比赛。首先，让我先解释一下为什么您的尝试会得到您所看到的输出。
为什么你看到了你所看到的
在re.sub函数中，当你给它' '+str(pattern)+' '作为第三个参数时，它被评估为字符串" <_sre.SRE_Pattern object at some_memory_location> "，因为str(pattern)returns 模式对象的字符串表示，而不是模式的字符串表示。
顺便说一句，对于 Python 3.4 和 3.5，str(pattern) returns re.compile('[%&\(\)\+,-./:;=–‘’“”″]') 对我来说，您使用的 Python 是什么版本？它可能是 Python 2 的一个版本吗？
解决方案
正如我之前提到的，您的解决方案需要利用捕获 groups。要表示一个组，您只需使用括号。对于您的情况，解决方案很简单，因为您只需要一组：
>>> import re
>>> pattern = re.compile(r"([%&\(\)\+,-./:;=–‘’“”″]+)")
注意我的字符串文字，我在字符串开头使用了 r。这表示原始字符串，这会导致字符串忽略 Python 定义的任何转义序列 。例如，转义序列类似于 '\t'，表示制表符。但是，如果您使用 r'\t'，那么它就是实际的字符串 \t。
>>> text = "hi. hi.. hi; hi;; 55% good& good&&"
>>> pattern.sub(r' ', text)
'hi . hi .. hi ; hi ;; 55 % good & good && '
注意我只是使用了模式对象的 sub 方法而不是模块级函数 re.sub。这没什么大不了的，但对我来说似乎更干净。另外，对于替换参数，我使用了 r' '。此 </code> 指的是您的模式捕获的 <em> 第一组 </em>。例如，如果你有多个组，你可以使用 <code> 之类的东西来反转某些模式。这又是一个转义序列！
潜在的改进
在您的规范中不清楚您希望如何处理超过 2 个字符，例如三个字符。所以你的模式会这样处理这种情况：
>>> text2 = "hi. hi.. hi; hi;; 55% good& good&& hi &&& hello,"
>>> pattern.sub(r' ', text2)
'hi . hi .. hi ; hi ;; 55 % good & good && hi &&& hello , '
也许这就是您的意思，但也许您想将“&&&”视为两个不同的匹配项：“&&”和“&”。您可以使用量词来处理这种情况：
>>> pattern2 = re.compile(r'([%&\(\)\+,-./:;=–‘’“”″]{1,2})')
>>> pattern2.sub(r' ', text2)
'hi . hi .. hi ; hi ;; 55 % good & good && hi && & hello , '
除了使用表示一个或多个的 + 符号，您还可以使用括号符号来进行更细粒度的控制。例如，{1,3} 将匹配 1 到 3。{3} 将恰好匹配 3。{3,} 将匹配 3 或更多。
我想将标点符号和符号与正文分开，以便将它们拆分为单独的标记。我有一个包含以下符号 %&()+,-./:;=–‘’“”″ 的文本文件，我想用 \ssymbol\s 替换每个符号（\s 表示 space），如果两个相同的符号输入例如..彼此相邻，我想用\s..\s替换它们。这是我到目前为止尝试过的：
>>> punc = "[%&\(\)\+,-./:;=–‘’“”″]+"
>>> import re
>>> pattern = re.compile(punc)
>>> text = "hi. hi.. hi; hi;; 55% good& good&&"
>>> text = re.sub(pattern, ' '+str(pattern)+' ', text)
当我打印文本时，我得到以下信息：
>>> print(text)
hi <_sre.SRE_Pattern object at 0x00000000035E14E0> hi <_sre.SRE_Pattern object at 0x00000000035E14E0> hi <_sre.SRE_Pattern object at 0x00000000035E14E0> hi <_sre.SRE_Pattern object at 0x00000000035E14E0> 55 <_sre.SRE_Pattern object at 0x00000000035E14E0> x <_sre.SRE_Pattern object at 0x00000000035E14E0>
但我希望输出是这样的：
hi . hi .. hi ; hi ;; 55 % good & good &&
经过几次尝试，我意识到我无法编译正确的正则表达式。非常感谢您的帮助！
处理您尝试做的事情的正确方法是使用捕获组。这会让你回顾你的比赛。首先，让我先解释一下为什么您的尝试会得到您所看到的输出。
为什么你看到了你所看到的
在re.sub函数中，当你给它' '+str(pattern)+' '作为第三个参数时，它被评估为字符串" <_sre.SRE_Pattern object at some_memory_location> "，因为str(pattern)returns 模式对象的字符串表示，而不是模式的字符串表示。
顺便说一句，对于 Python 3.4 和 3.5，str(pattern) returns re.compile('[%&\(\)\+,-./:;=–‘’“”″]') 对我来说，您使用的 Python 是什么版本？它可能是 Python 2 的一个版本吗？
解决方案
正如我之前提到的，您的解决方案需要利用捕获 groups。要表示一个组，您只需使用括号。对于您的情况，解决方案很简单，因为您只需要一组：
>>> import re
>>> pattern = re.compile(r"([%&\(\)\+,-./:;=–‘’“”″]+)")
注意我的字符串文字，我在字符串开头使用了 r。这表示原始字符串，这会导致字符串忽略 Python 定义的任何转义序列 。例如，转义序列类似于 '\t'，表示制表符。但是，如果您使用 r'\t'，那么它就是实际的字符串 \t。
>>> text = "hi. hi.. hi; hi;; 55% good& good&&"
>>> pattern.sub(r' ', text)
'hi . hi .. hi ; hi ;; 55 % good & good && '
注意我只是使用了模式对象的 sub 方法而不是模块级函数 re.sub。这没什么大不了的，但对我来说似乎更干净。另外，对于替换参数，我使用了 r' '。此 </code> 指的是您的模式捕获的 <em> 第一组 </em>。例如，如果你有多个组，你可以使用 <code> 之类的东西来反转某些模式。这又是一个转义序列！
潜在的改进
在您的规范中不清楚您希望如何处理超过 2 个字符，例如三个字符。所以你的模式会这样处理这种情况：
>>> text2 = "hi. hi.. hi; hi;; 55% good& good&& hi &&& hello,"
>>> pattern.sub(r' ', text2)
'hi . hi .. hi ; hi ;; 55 % good & good && hi &&& hello , '
也许这就是您的意思，但也许您想将“&&&”视为两个不同的匹配项：“&&”和“&”。您可以使用量词来处理这种情况：
>>> pattern2 = re.compile(r'([%&\(\)\+,-./:;=–‘’“”″]{1,2})')
>>> pattern2.sub(r' ', text2)
'hi . hi .. hi ; hi ;; 55 % good & good && hi && & hello , '
除了使用表示一个或多个的 + 符号，您还可以使用括号符号来进行更细粒度的控制。例如，{1,3} 将匹配 1 到 3。{3} 将恰好匹配 3。{3,} 将匹配 3 或更多。