正则表达式：用 re.sub 用短划线替换连字符

Question

我正在使用一个小函数来循环文件，以便将任何连字符 - 替换为破折号 – (alt + 0150)。

我使用的函数为相关问题的解决方案添加了一些正则表达式风格 (how to replace a character INSIDE the text content of many files automatically?)

def mychanger(fileName):
  with open(fileName,'r') as file:
    str = file.read()
    str = str.decode("utf-8")
    str = re.sub(r"[^{]{1,4}(-)","–", str).encode("utf-8")
  with open(fileName,'wb') as file:
    file.write(str)

我使用了正则表达式[^{]{1,4}(-)，因为搜索实际上是在乳胶回归表上执行的，我只想替换出现在数字周围的连字符。

明确一点：如果我们有真正的乳胶代码，例如\cmidrule(lr){2-4}，我想替换所有连字符EXCEPT。

• 在这种情况下，{ 靠近（最多 3-4 个字符）到 hyphen 及其左侧。当然，这个连字符不应该变成破折号，否则乳胶代码会中断。

• 我认为排除的左侧部分条件对于在正则表达式中编写正确的异常很重要。实际上，在回归表中，您可以使用 -0.062\sym{***}（即连字符最右边的 {）之类的内容，在这种情况下 我确实希望 替换连字符。

我表中的典型行是

variable    &   -2.061\sym{***}&       4.032\sym{**}   &       1.236         \\
            &      (-2.32)         &   (-2.02)         &      (-0.14)    

但是，我的正则表达式似乎不正确。例如，(-1.2) 将被替换为 –1.2，去掉括号。

这里有什么问题？ 谢谢！

Answer 1

我可以提供以下两步替换：

str = "-1 Hello \cmidrule(lr){2-4} range 1-5 other stuff a-5"
str = re.sub(r"((?:^|[^{])\d+)-(\d+[^}])","\\1$\\2", str).encode("utf-8")
str = re.sub(r"(^|[^0-9])-(\d+)","\\1$\\2", str).encode("utf-8")
print(str)

第一个替换目标是所有不是 LaTex 形式 {1-9} 的范围，即不包含在花括号内。第二个替换目标是所有前面带有非数字或字符串开头的数字。

Demo

Answer 2

re.sub 替换整个匹配项。在这种情况下，包括- 前面的非{ 字符。您可以将该位包含在括号中以创建一个 \1 组并将其包含在您的替换中（您也不需要在您的 – 周围加上括号）：

re.sub(r"([^{]{1,4})-",r"\1–", str)