使用正则表达式根据上下文替换字符串中的点

Question

我想删除所有由单个字符分隔的点，我也想用空格替换所有由多个连续字符分隔的点（如果一侧有 len > 1字符）。

例如。给定一个字符串，

s = ' A.B.C.D.E. FGH.IJ K.L.M.NO PQ.R.S T.U.VWXYZ'

处理后的输出应如下所示：

'ABCDE FGH IJ KLM NO PQ RS TU VWXYZ'

• 请注意，在 A.B.C.D.E. 的情况下，所有点都被删除（当没有尾随点时也是如此）
• 请注意，在K.L.M.NO 的情况下，前两个点被删除，最后一个被替换为空格（因为 NO 不是单个字符）
• 请注意，在 PQ.R.S 的情况下，第一个点被替换为空格，第二个点被删除。

我几乎有一个可行的解决方案：

re.sub(r'(?<!\w)([A-Z])\.', r'\1', s)

但在给出的示例中，T.U.VWXYZ 被转换为 TUVWXYZ，而它应该是 TU VWXYZ

注意：使用单个正则表达式解决此问题不很重要，甚至根本就没有正则表达式。

编辑：在示例字符串中将PQ.RS 更改为PQ.R.S。

Answer 1

我会采取两个步骤。

1. 将(\b[A-Z])\.(?=[A-Z]\b|\s|$) 替换为r'\1'
2. 将(\b[A-Z]{2,})\.(?=[A-Z])|(\b[A-Z])\.(?=[A-Z]{2,}) 替换为r'\1\2 '

样本

重新导入

re1 = re.compile(r'(\b[A-Z])\.(?=[A-Z]\b|\s|$)')
re2 = re.compile(r'(\b[A-Z]{2,})\.(?=[A-Z])|(\b[A-Z])\.(?=[A-Z]{2,})')

s = ' A.B.C.D.E. FGH.IJ K.L.M.NO PQ.RS T.U.VWXYZ'

r = re2.sub(r'\1\2 ', re1.sub(r'\1', s)).strip()
print(r)

输出

'ABCDE FGH IJ KLM NO PQ RS TU VWXYZ'

符合您想要的结果：

'ABCDE FGH IJ KLM NO PQ RS TU VWXYZ'

• re1 匹配前面有一个独立字母，后跟另一个独立字母、空格或字符串结尾的所有点。
• re2 匹配前面至少有 2 且后面至少有 1 个字母（或相反）的所有点

Answer 2

您可以先用空格替换所有点后跟两个字符，然后删除剩余的点：

re.sub(r'\.([A-Z]{2})', r' \1', s).replace(".", "")

这会在您的示例中给出" ABCDE FGH IJ KLM NO PQ RS TU VWXYZ"。

Answer 3

希望这更整洁：

import re

s = ' A.B.C.D.E. FGH.IJ K.L.M.NO PQ.RS T.U.VWXYZ'

s = re.sub(r"\.(\w{2})", r" \1", s)
s = re.sub(r"(\w{2})\.(\w)", r"\1 \2", s)
s = re.sub(r"\.", "",s)
s = s.strip()
print(s)

Answer 4

如果您考虑使用动态替换，则可以使用单个正则表达式解决方案：

import re
rx = r'\b([A-Z](?:\.[A-Z])+\b(?:\.(?![A-Z]))?)|\.'
s = ' A.B.C.D.E. FGH.IJ K.L.M.NO PQ.R.S T.U.VWXYZ'
print( re.sub(rx, lambda x: x.group(1).replace('.', '') if x.group(1) else ' ', s.strip()) )
# => ABCDE FGH IJ KLM NO PQ RS TU VWXYZ

查看Python demo 和regex demo。

正则表达式匹配：

• \b([A-Z](?:\.[A-Z])+\b(?:\.(?![A-Z]))?) - 一个单词边界，然后是第 1 组（在剥离所有句点后将被其自身替换）捕获：
  • [A-Z] - 一个大写的 ASCII 字母
  • (?:\.[A-Z])+ - 零个或多个点和大写 ASCII 字母的序列
  • \b - 字边界
  • (?:\.(?![A-Z]))? - . 的可选序列，后面不跟大写 ASCII 字母
• | - 或
• \. - 任何其他上下文中的 .（它将被替换为空格）。

lambda x: x.group(1).replace('.', '') if x.group(1) else ' ' 替换表示如果 Group 1 匹配，替换字符串是 Group 1 不带点的值，如果 Group 1 不匹配，替换是单个正则空格。