Python正则表达式 re.sub()函数：标志位flags与参数个数问题

这两天在写爬虫程序，涉及英文文本处理，需要规范化英文标点符号的写法。正常情况下，英文句号.后面需要保证有且只有一个空格，但也有例外情况，比如i.e.、e.g.、P.S.这种。由于无法预测大小写，因此在正则表达式中使用了标志位flags，却死活不生效。

一开始，我的函数是这样写的：

 def punctuate(s):#----其余代码暂略s = re.sub(' e. g. ', 'e.g.', s, re.I)return s

代码的本意是：本来好好的e.g.，被函数前半断的代码错改成e. g.之后，需要修复一下，将英文句号.后面的空格删掉。但这行 re.sub() 代码主要有2个问题：

e. g.前后不一定是空格，因此这样写的话，如果遇到e. g.,或是(e. g. xxx的情况就会被跳过。
英文的句号.未转义
标志位 re.I不生效

前2个问题好解决。改进代码如下：

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939
寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''def punctuate(s):#----其余代码暂略s = re.sub('([^a-zA-Z]e\.) (g\.[^a-zA-Z])', '\g<1>\g<2>', s, re.I)return s

规则是：e. g.之前或之后，必须有非英文字母的字符（包括空格），且e.和g.中间有一个空格，则将中间的空格删掉，且保留前后的非英文字母（\g<1>表示查找到的第1个括号内的文本，\g<2>表示第2个括号）。但标志位 re.I 的问题还是没解决。

re.sub(pattern, repl, string, count=0, flags=0)

我传入的第4个参数 re.I 会被当作是 count。因此，正确的姿势是明确写明flags=re.I。

整个标点符号规范化函数还包括其它的替换，完整代码如下：

def punctuate(s):s = re.sub('([,:;?!\.”\)])', '\g<1> ', s) #后加空格s = re.sub('([“\(])', ' \g<1>', s) #前加空格s = re.sub('([“\(]) ', '\g<1>', s) #后删空格s = re.sub(' ([,:;?!\.”\)])', '\g<1>', s) #前删空格s = re.sub('([,\.?!;\)]) ”', '\g<1>”', s) #闭引号前去空格s = re.sub('\) ([,:;?!\.”])', ')\g<1>', s) #闭括号后去空格s = re.sub('(\d)\. (\d)', '\g<1>.\g<2>', s) #小数点后去空格s = re.sub(' +', ' ', s) #多空格改单空格#拉丁加点缩写单词，点号后面去空格s = re.sub('([^a-zA-Z]e\.) (g\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)s = re.sub('([^a-zA-Z]i\.) (e\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)s = re.sub('([^a-zA-Z]q\.) (v\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)s = re.sub('([^a-zA-Z]v\.) (s\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)s = re.sub('([^a-zA-Z]n\.) (b\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)s = re.sub('([^a-zA-Z]p\.) (s\.[^a-zA-Z])', '\g<1>\g<2>', s, flags=re.I)s = re.sub('\. ,', '.,', s)return s

Python正则表达式 re.sub()函数：标志位flags与参数个数问题相关推荐

第11.3节 Python正则表达式搜索支持函数search、match、fullmatch、findall、finditer
一. 概述 re模块的函数search.match.fullmatch.findall.finditer都是用于搜索文本中是否包含指定模式的串,函数的参数都是一样的,第一个参数是模式串.第二个是搜索文 ...
O_RDWR, O_CREAT等open函数标志位在哪里定义？
查了下O_RDWR, O_CREAT等定义,终于找到了. 我的系统是Fedora12, 其定义在文件:/usr/include/asm-generic/fcntl.h,部分定义如下: #include ...
o_rdonly_O_RDWR, O_CREAT等open函数标志位在哪里定义？ | 学步园
查了下O_RDWR, O_CREAT等定义,终于找到了. 我的系统是Fedora12, 其定义在文件:/usr/include/asm-generic/fcntl.h,部分定义如下: #include ...
Python中动态编译函数compile(source, filename, mode, ......)参数filename的作用是什么？...
动态编译函数compile调用语法如下: compile(source, filename, mode, flags=0, dont_inherit=False, optimize=-1) 其中的fi ...
Python - zip和izip函数以及位置参数和命名参数的运用
zip:将两个相同长度的集合合并成对 izip: 作用跟zip一样,但面对两个超大的列表时,izip速度更快 #注意两个集合的长度大小必须一致,如果不满足,则输出结果会削减以匹配较小的集合大小 a = ...
TCP Flags标志位介绍
传输控制协议(Transmission Control Protocol,TCP)是一种传输层协议.TCP使数据包从源到目的地的传输更加顺畅.它是一种面向连接的端到端协议.每个数据包由TC ...
【Python基础】Python正则表达式，从入门到实战，精华都在这里！
出品:Python数据之道(ID:PyDataLab) 作者:Peter,来自读者投稿编辑:Lemon 玩转正则表达式本文中介绍的是主要是 3 个知识点: 正则表达式的相关知识 Python的中 ...
菜鸟python 正则表达式_python基础知识(进阶篇--正则表达式)
含义:检查一个字符串是否与某种模式匹配,由re模块提供. re.match() re.match(匹配的正则表达式,要匹配的字符串,标志位) //尝试从字符串的起始位置匹配一个模式,如果不是起始位置匹 ...
python 正则表达式 re.search() 的使用
1 re.search() 的作用: re.search会匹配整个字符串,并返回第一个成功的匹配.如果匹配失败,则返回None 从源码里面可以看到re.search()方法里面有3个参数 patter ...

Python正则表达式 re.sub()函数：标志位flags与参数个数问题

Python正则表达式 re.sub()函数：标志位flags与参数个数问题相关推荐

最新文章

热门文章