link之家
链接快照平台
- 输入网页链接，自动生成快照
- 标签化管理网页链接
相关文章推荐
|
另类的爆米花 · 苹果电影未删除的部分怎么看：苹果电影未删除的 ...· 7 月前 · |
|
|
腹黑的脆皮肠 · CheckBox.GroupName 属性 ...· 7 月前 · |
|
|
失望的苹果 · 王力博：浅议法院依职权移送管辖与当事人管辖异 ...· 8 月前 · |
|
|
飞翔的小刀 · git 回退到上一次提交 - CSDN文库· 1 年前 · |
Python替换单引号，撇号除外
问
Python替换单引号，撇号除外
EN
Stack Overflow用户
提问于
2018-06-10 03:22:20
回答 3
查看 3.5K
关注 0
票数 2
我正在对单词列表执行以下操作。我从Project Gutenberg文本文件中读取行，将每行用空格拆分，执行一般的标点符号替换，然后将每个单词和标点符号打印到各自的行中，以便以后进一步处理。我不确定如何将每个单引号替换为标记或排除所有撇号。我当前的方法是使用已编译的正则表达式：
apo = re.compile("[A-Za-z]'[A-Za-z]")并执行以下操作：
if "'" in word and !apo.search(word):
word = word.replace("'","\n<singlequote>")但这忽略了在带有撇号的单词两边使用单引号的情况。它也不会向我表明单引号是否与单词结尾的单词开头相邻。
示例输入：
don't
'George
ma'am
end.'
didn't.'
'Won't示例输出(处理并打印到文件后)：
don't
<opensingle>
George
ma'am
<period>
<closesingle>
didn't
<period>
<closesingle>
<opensingle>
Won't
关于这项任务，我确实有一个进一步的问题:既然
<opensingle>
和
<closesingle>
的区别似乎相当困难，执行如下替换是否更明智
word = word.replace('.','\n<period>')
word = word.replace(',','\n<comma>')在执行替换操作之后？
EN
Stack Overflow用户
发布于 2018-06-10 04:58:36
我认为这可以从前视或后视引用中受益。python引用是 https://docs.python.org/3/library/re.html ，我经常引用的一个通用正则表达式站点是 https://www.regular-expressions.info/lookaround.html 。
您的数据：
words = ["don't",
"'George",
"ma'am",
"end.'",
"didn't.'",
"'Won't",]现在，我将使用正则表达式和它们的替代品来定义一个元组。
In [230]: apo = (
(re.compile("(?<=[A-Za-z])'(?=[A-Za-z])"), "<apostrophe>",),
(re.compile("(?<![A-Za-z])'(?=[A-Za-z])"), "<opensingle>",),
(re.compile("(?<=[.A-Za-z])'(?![A-Za-z])"), "<closesingle>", ),
(re.compile("(?<=[A-Za-z])\\.(?![A-Za-z])"), "<period>",),
...: ...: ...: ...: ...: ...:
In [231]: words = ["don't",
"'George",
"ma'am",
"end.'",
"didn't.'",
"'Won't",]
...: ...: ...: ...: ...: ...:
In [232]: reduce(lambda w2,x: [ x[0].sub(x[1], w) for w in w2], apo, words)
Out[232]:
['don<apostrophe>t',
'<opensingle>George',
'ma<apostrophe>am',
'end<period><closesingle>',
'didn<apostrophe>t<period><closesingle>',
'<opensingle>Won<apostrophe>t']下面是正则表达式的情况：
-
(?<=[A-Za-z])表示仅匹配(但不消耗)前面的字符是letter. -
(?=[A-Za-z])是前视(仍然不消耗)如果后面的字符是letter. -
(?<![A-Za-z])是负向后视，这意味着如果前面有一个字母，则它不会match. -
(?![A-Za-z])是负向前视。
请注意，我在
<closesingle>
中添加了一个
.
检查，并且
apo
中的顺序很重要，因为您可能会用
<period>
替换
.
...
这是对单个单词的操作，但也应该适用于句子。
In [233]: onelong = """
don't
'George
ma'am
end.'
didn't.'
'Won't
...: ...: ...: ...: ...: ...: ...:
In [235]: print(
reduce(lambda sentence,x: x[0].sub(x[1], sentence), apo, onelong)
...: ...:
推荐文章
|
|
飞翔的小刀 · git 回退到上一次提交 - CSDN文库 1 年前 |