在所选单词之前插入输入标记答案

【问题标题】：Insert enter marks before the selected word在所选单词之前插入输入标记
【发布时间】：2020-10-05 15:14:19
【问题描述】：

我需要在每个新单词开始之前在字符串之间插入换行符（输入标记）。

字符串：

test (n) trial, experiment, check run (v) race, rush speed (n) race, sprint, rush, dash, zoom

预期：

test (n) trial, experiment, check 
run (v) race, rush 
speed (n) race, sprint, rush, dash, zoom

这个正则表达式选择括号之前的单词。但是如何在正确的位置插入回车标记呢？

\w+(?=\s+((.*?)))

更新：

答案不适用于我需要处理的实际字符串。 unicode 字符串是否被正则表达式区别对待？

import re

regex = r"(\w+)(?= (?:[()])).*?"

test_str = "खत (स्त्री) पाहा : भेट मुलगा (पु) पोर‚ पोरगा‚ पोरटा‚  कारटा‚ किशोर‚ कुमार‚ कुमारिका‚ तरुण; लग्नाचा/उपवधू मुलगा; पाहा : पुत्र ‚ पुरुष (n) boy, lad, kid, urchin; पाहा : पुत्र ‚ पुरुष मुलगी (स्त्री) पोर‚ पोरगी‚ पोरटी‚ बाला‚ बाळा‚ बालिका‚ छोकरी‚ छोटी‚ बेटी‚ कारटी‚ नग्निका‚"

subst = "\\n\\1"

result = re.sub(regex, subst, test_str , 0, re.MULTILINE)

if result:
    print (result)

第一个换行符是正确的“\nखत”，但第二个换行符是错误的“पुरु\nष”。第三个和第四个都不见了。

预期：

खत (स्त्री) पाहा : भेट 
मुलगा (पु) पोर‚ पोरगा‚ पोरटा‚  कारटा‚ किशोर‚ कुमार‚ कुमारिका‚ तरुण; लग्नाचा/उपवधू मुलगा; पाहा : पुत्र ‚ 
पुरुष (n) boy, lad, kid, urchin; पाहा : पुत्र ‚ पुरुष 
मुलगी (स्त्री) पोर‚ पोरगी‚ पोरटी‚ बाला‚ बाळा‚ बालिका‚ छोकरी‚ छोटी‚ बेटी‚ कारटी‚ नग्निका‚

【问题讨论】：

请解释一下你是如何识别一个新词的？
括号前的词是新词
this 有帮助吗？
用 unicode 字符串示例更新了我的问题。

标签： python regex unicode python-unicode

【解决方案1】：

你可以试试：

\s+([^(\s]+\s+(?=\(.*?\)))

见Online Demo

\s+ - 一个空格字符，一次或多次。为了防止以后出现尾随空格。
( - 打开第一个捕获组。
[^(\s]+ - 否定字符类：没有左括号或空白字符，一次或多次。
\s+ - 一个空格字符，一次或多次。
(?=\(.*?\))- 文字左括号的正向前瞻，换行符以外的任何字符零次或多次（惰性）和文字右括号。
) - 关闭第一个捕获组。

作为替代方案，可以尝试使用 regex 模块而不是 re 并尝试以下模式：

((?<=\s+)[\p{Devanagari}\p{L}]+(?=\s*\(.*))

\s+( - 一个或多个空格并打开第一个捕获组。这是为了防止我们稍后添加换行符时出现尾随空格。
(?<=\s+) - 正向查找空白字符（以防止开始字符串）。
[\p{Devanagari}\p{L}]+ - 任何一个或多个梵文或来自任何语言的任何类型的字母的字符类。
(?=\s*\(.*) - 文字左括号的正向前瞻，零个或多个字符，换行符除外。
) - 关闭第一个捕获组。

Python 代码：

import regex
test_str = "खत (स्त्री) पाहा : भेट मुलगा (पु) पोर‚ पोरगा‚ पोरटा‚  कारटा‚ किशोर‚ कुमार‚ कुमारिका‚ तरुण; लग्नाचा/उपवधू मुलगा; पाहा : पुत्र ‚ पुरुष (n) boy, lad, kid, urchin; पाहा : पुत्र ‚ पुरुष मुलगी (स्त्री) पोर‚ पोरगी‚ पोरटी‚ बाला‚ बाळा‚ बालिका‚ छोकरी‚ छोटी‚ बेटी‚ कारटी‚ नग्निका‚"
str_new = regex.sub(r'\s+((?<=\s+)[\p{Devanagari}\p{L}]+(?=\s*\(.*))', r'\n\1', test_str)

print(str_new)

打印：

खत (स्त्री) पाहा : भेट
मुलगा (पु) पोर‚ पोरगा‚ पोरटा‚  कारटा‚ किशोर‚ कुमार‚ कुमारिका‚ तरुण; लग्नाचा/उपवधू मुलगा; पाहा : पुत्र ‚
पुरुष (n) boy, lad, kid, urchin; पाहा : पुत्र ‚ पुरुष
मुलगी (स्त्री) पोर‚ पोरगी‚ पोरटी‚ बाला‚ बाळा‚ बालिका‚ छोकरी‚ छोटी‚ बेटी‚ कारटी‚ नग्निका‚

Python Demo

【讨论】：

【解决方案2】：

这是一个正则表达式替换语句：

text = "test (n) trial, experiment, check run (v) race, rush speed (n) race, sprint, rush, dash, zoom"

re.sub(r"(\w+ \(\w\))", r"\n\1", text)

输出：

'\ntest (n) trial, experiment, check \nrun (v) race, rush \nspeed (n) race, sprint, rush, dash, zoom'

打印时提供：

test (n) trial, experiment, check 
run (v) race, rush 
speed (n) race, sprint, rush, dash, zoom

【讨论】：