正则表达式中的可选点

Question

假设我想将Mr. 和Mr 的所有匹配项替换为Mister。

我正在使用以下正则表达式：\bMr(\.)?\b 匹配 Mr. 或仅匹配 Mr。然后，我使用re.sub() method 进行替换。

让我感到困惑的是，它正在用Mister. 替换Mr.。为什么要在末尾保留点.？看起来它与Mr\. 的情况不匹配，而只是Mr。

import re
s="a rMr. Nobody Mr. Nobody is Mr Nobody and Mra Nobody."
re.sub(r"\bMr(\.)?\b","Mister", s)

返回：

'a rMr. Nobody Mister. Nobody is Mister Nobody and Mra Nobody.'

我也尝试了以下方法，但也没有运气：

re.sub(r"\b(Mr\.|Mr)\b","Mister", s)

我想要的输出是：

'a rMr. Nobody Mister Nobody is Mister Nobody and Mra Nobody.'
                     ^                              ^
                     no dot            this should be kept as it is

Answer 1

我认为您想捕获'Mr'，后跟'.'或单词边界：

r"\bMr(?:\.|\b)"

使用中：

>>> import re
>>> re.sub(r"\bMr(?:\.|\b)", "Mister", "a rMr. Nobody Mr. Nobody is Mr Nobody and Mra Nobody.")
'a rMr. Nobody Mister Nobody is Mister Nobody and Mra Nobody.'

Answer 2

re.sub(r"\bMr\.|\bMr\b","Mister", s)

试试这个。你需要在.之后删除\b

输出：a rMr. Nobody Mister Nobody is Mister Nobody and Mra Nobody.'

\bMr(\.)?\b 不起作用的原因是. 和space 之间没有字边界。

有资格作为单词边界的三个不同位置：

• 在字符串的第一个字符之前，如果第一个字符是单词字符。
• 在字符串的最后一个字符之后，如果最后一个字符是单词字符。
• 字符串中两个字符之间，一个是单词字符，另一个不是单词字符。

Answer 3

我认为在原始帖子中\b 是造成一些混乱的原因。

来自regex101：

\b 在 a 之间立即匹配，不消耗任何字符 \w 匹配的字符和 \w 不匹配的字符（在任一 顺序）。

和

\w 匹配任何字母、数字或下划线。

OP 期望 \b 匹配点和它后面的空格之间的边界。但它没有，因为点与\w 不匹配。相反，\b 匹配“先生”文本和点之间的边界。这导致点没有被捕获，这是 OP 所要求的。可以在这里看到：

Answer 4

>>> s="a rMr. Nobody Mr. Nobody is Mr Nobody and Mra Nobody."
>>> re.sub(r'\b(Mr[\.\s]\s*)',r'Mister ',s)
'a rMr. Nobody Mister Nobody is Mister Nobody and Mra Nobody.'

Answer 5

re.sub(r'\bMr[\s\.]', 'Mister ', s)

如果这是 Code Golf，我会赢吗？

Answer 6

@jonsharpe 的回答有效，但这个有点简单：\bMr(\.|\b)

http://regex101.com/r/sC9nG6/2