python：替换/替换字符串中的所有全字匹配

Question

假设我的字符串是"#big and #small, #big-red, #big-red-car and #big"

如何使用re.sub(), re.match(), etc. 将一个标签替换为一个单词？

例如，所有#bigs 都必须更改为BIG，但#big-red 和#big-red-car 不应受到影响。

Answer 1

让我们定义你的字符串：

>>> s = "#big and #small, #big-red, #big-red-car and #big"

现在，让我们做你的替换：

>>> import re
>>> re.sub(r'#big([.,\s]|$)', r'#BIG\1', s)
'#BIG and #small, #big-red, #big-red-car and #BIG'

正则表达式#big([.,\s]|$) 将匹配所有#big 后跟句点、逗号、空格或或行尾的字符串。如果在#big 之后还有其他您认为可以接受的字符，您应该将它们添加到正则表达式中。

另类

如果我们想要更高级一点，可以使用前瞻断言(?=...) 来确保#big 后面的内容是可以接受的：

>>> re.sub(r'#big(?=[.,\s]|$)', r'#BIG', s)
'#BIG and #small, #big-red, #big-red-car and #BIG'

使用句点和逗号的测试

为了测试当#big 有"a comma or period after it" 时这是否正常工作，让我们创建一个新字符串：

>>> s = "#big and #big, #big. #small, #big-red, #big-red-car and #big"

然后，让我们测试一下：

>>> re.sub(r'#big(?=[.,\s]|$)', r'#BIG', s)
'#BIG and #BIG, #BIG. #small, #big-red, #big-red-car and #BIG'

Answer 2

此信息是一类单向边界技巧。

使用否定向后/向前看断言，
在特定方向内，它会让字符串的BEGIN/END匹配，
但不允许其他人匹配。

这导致了一些有趣的组合场景
一个类中的否定结构，涵盖了无限的范围
字符，但允许您排除其中的一些单独字符
那个范围。

使用的典型构造是否定类。

\D - 非数字类
\S - 非空白类
\W - 非单词类
\PP - 非标点属性类
@987654325 @ - 非字母属性类

因为它们被用在否定断言中，反之实际上是
正在寻找的人物。

\d, \s, \w, \pP, \pL分别

力量来自于它们可以在内部组合的事实
class 用于戏剧效果。

如果单个字符被添加到一个类中，它们会被排除在外，不允许使用。
实际上，它创建了类减法。

创建类时的规则是：

• 类你想要的字符，插入它是负数（即\D、\PP等）
• 个别字符你不想要，照常插入（即\n、=等）
  这可以用作类减法。

减法示例：(?![\S\r\n]) 将是一个前瞻边界，它需要
只有水平空白，在某些引擎中，表示为
\h 构造。

---

在您的示例中，边界将是这样的。

(?<![\S\PP-])#big(?![\S\PP-])

打破它

 (?<!            # Boundary - Behind direction
      [\S\PP-]   # Need all whitespace and punctuation, but not the '-'
 )
 \#big
 (?!             # Boundary - Ahead direction
      [\S\PP-]   # Need all whitespace and punctuation, but not the '-'
 )

添加到类中的每个文字字符实际上都排除了
它来自匹配。

这称为类减法。

---

测试用例

输入#big and #small, #big, #big, #big-red, #big-red-car and #big

输出

 **  Grp 0 -  ( pos 0 , len 4 ) 
#big  

 **  Grp 0 -  ( pos 17 , len 4 ) 
#big  

 **  Grp 0 -  ( pos 23 , len 4 ) 
#big  

 **  Grp 0 -  ( pos 56 , len 4 ) 
#big  

基本上，只匹配#big 和#small、#big、#big、#big-red、#big-red-car 和#big