如何用空格而不是所有空格替换句点？答案

【问题标题】：How to replace a period with a whitespace but not all whitespaces?如何用空格而不是所有空格替换句点？
【发布时间】：2019-06-27 18:29:20
【问题描述】：

如何将某些句点替换为空格而不是所有句点？

例如：

this_string = 'Man is weak.So they die'
that_string = 'I have a Ph.d'

这里我想要这样的结果：

this_string = 'Man is weak So they die'
some_string = 'I have a Phd'

我希望像 Ph.d 这样的标题保留为一个单词，而将连接 2 个句子的句点替换为空格。

这是我目前所拥有的：

re.sub('[^A-Za-z0-9\s]+',' ', this_string)

这会将所有句点替换为空格。

知道如何改进吗？

【问题讨论】：

“某些句点”的规则是什么，在你的例子中只有小写字母之间的句点被替换，这是规则吗？
这有点难，因为它要求你的程序识别单词的含义。
没有确切的规则。它可以在小写或大写之间。所以Ph.D或Ph.d.
我认为你最好尝试搜索和替换特定的已知短语（例如Ph.D不区分大小写）而不是尝试告诉计算机找到weak.So和@987654326之间的区别@

标签： python regex string

【解决方案1】：

您可以使用两个正则表达式作为规则来更改文本：

import re

text = 'Man is weak.So they die. I have a Ph.d.'

text = re.sub(r'([A-Za-z ]{1})(\.)([A-Z]{1})', r'\g<1>. \g<3>', text)  # remove the dot in r'\g<1>. \g<3>' to get '...weak So...'
print(text)  # Man is weak. So they die. I have a Ph.d.

text = re.sub(r'([A-Za-z ]{1})(\.)([a-z]{1})', r'\g<1>\g<3>', text)
print(text)  # Man is weak. So they die. I have a Phd.

最后它并不健壮，因为它是基于规则的转换。像Ph.D 这样的东西是行不通的。

【讨论】：

【解决方案2】：

您可以先用一个新符号替换所有有问题的点，然后再用这个符号分割：

import re

abbreviations = ["Dr.", "Mrs.", "Mr.", "Ph.d"]
rx = re.compile(r'''(?:{})|((?<=[a-z])\.(?=\s*[A-Z]))'''.format("|".join(abbreviations)))

data = "Man is weak.So they die. I have a Ph.d"

# substitute them first
def repl(match):
    if match.group(1) is not None:
        return "#!#"
    return match.group(0)

data = rx.sub(repl, data)
for sent in re.split(r"#!#\s*", data):
    print(sent.replace(".", ""))

这会产生

Man is weak
So they die
I have a Phd

见a demo on ideone.com。

【讨论】：