python中的正则表达式修改答案

【问题标题】：Regex modification in pythonpython中的正则表达式修改
【发布时间】：2017-12-20 16:50:37
【问题描述】：

我正在使用以下正则表达式模式来识别缩写。

mytext = "This is AVGs and (NMN) and most importantly GFD"
mytext= re.sub(r"\b[A-Z\.]{2,}s?\b", "_ABB", mytext)
print(mytext)

我得到如下输出。

This is _ABB and (_ABB) and most importantly _ABB

但是，我想得到输出；

This is AVGs_ABB and (NMN_ABB) and most importantly GFD_ABB

请告诉我我哪里做错了。

【问题讨论】：

标签： python regex python-3.x

【解决方案1】：

使用捕获组来捕获您要匹配的单词边界之间的模式，然后在替换中使用它。第一个捕获组将以\\1 的形式提供。

mytext = "This is AVGs and (NMN) and most importantly GFD"
mytext= re.sub(r"\b([A-Z\.]{2,}s?)\b", "\\1_ABB", mytext)
print(mytext)

Demo of code snippet

【讨论】：

当然，我会的：）
有没有更好的方法来做到这一点，因为我的真实数据集出现错误error: invalid group reference 1
您似乎有不匹配的文本。在这种情况下，您希望发生什么？
@TimBiegeleisen 我认为这不是正则表达式的问题，因为这 mytext= re.sub(r"\b[A-Z\.]{2,}s?\b", "", mytext) 工作正常。但是，\\1_ABB 会发生错误。请让我知道是否有解决此问题的替代方法:)
试试 Wiktor 的答案，它可能马上对你有用。

【解决方案2】：

试试这个，

In [1]: str = "This is AVGs and (NMN) and most importantly GFD"
In [2]: regex = "[A-Z]{2,}"
In [3]: import re
In [4]: result = re.sub(regex, "_ABB", str)
In [5]: result
Out[5]: 'This is _ABBs and (_ABB) and most importantly _ABB'

【讨论】：

【解决方案3】：

在替换时使用排除，如下所示：

import re 
mytext = "This is AVGs and (NMN) and most importantly GFD"
mytext= re.sub(r"([A-Z]{2,})", "\\1_ABB", mytext)
print(mytext)

输出：

This is AVGs_ABB and (NMN_ABB) and most importantly GFD_ABB

【讨论】：

【解决方案4】：

你不需要在这里使用任何捕获组，因为你想用整个匹配替换，它本身就是第 0 组。只需在替换模式中使用\g<0>，请参阅Python re docs：

后向引用 \g<0> 替换了 RE 匹配的整个子字符串。

查看online Python demo：

import re
mytext = "This is AVGs and (NMN) and most importantly GFD"
mytext= re.sub(r"\b[A-Z.]{2,}s?\b", r"\g<0>_ABB", mytext)
print(mytext)
# => This is AVGs_ABB and (NMN_ABB) and most importantly GFD_ABB

替换现在是r"\g<0>_ABB"，它将每个不重叠的匹配替换为找到的匹配并将_ABB附加到它。

查看regex demo。

另请注意，在字符类中，. 被解析为常规的 . 符号，而不是匹配任何字符但换行符的“通配符”。

【讨论】：

非常感谢您的精彩回答 :)