用表中的单个 unicode 替换字母数字子串答案

【问题标题】：Substituting alphanumeric substrings with single unicode from a table用表中的单个 unicode 替换字母数字子串
【发布时间】：2017-06-27 02:37:37
【问题描述】：

给定输入：

nguye64n tra62n huye62n my

期望的输出：

nguyễn trần huyền my

我一直在使用替代表并迭代每个字符以查找数字，缓存它们并在其后跟非数字字符时转换它们：

substitute = {'e64': u'ễ', 'a62': u'ầ', 'e62': 'ề'}
s = 'nguye64n tra62n huye62n my'
tonal = ''
x = ''
for ch in s:
    if ch.isdigit():
        tonal += ch
    else:
        if tonal:
            tonal = substitute[x[-1] + tonal]
            x = x[:-1] + tonal
            tonal = ''
        x += ch

[出]：

>>> x
'nguyễn trần huyền my'

在给定替换表的情况下，是否有更简单的方法来实现相同的输出？也许是正则表达式替换或一些 str.translate 操作？

【问题讨论】：

标签： python regex string unicode substitution

【解决方案1】：

函数re.sub可用于根据函数替换匹配项。这里我使用了一个 lambda 函数来处理匹配并从查找表中替换它：

#coding:utf8
import re

substitute = {'e64': u'ễ', 'a62': u'ầ', 'e62': 'ề'}
s = 'nguye64n tra62n huye62n my'
x = re.sub(r'[a-z]\d+',lambda m: substitute[m.group(0)],s)
print(x)

nguyễn trần huyền my

【讨论】：

如果您使用substitute.get(m.group[0], m.group[0]) 而不是substitute[m.group(0)]，当字典中没有匹配项时，您将不会得到KeyError，它将返回原始文本。这可能是也可能不是想要的行为