RegEx 在 (Number-Number)、(Number-char)、(Char-Special char) 和 (special char- char) 之间插入空格，除了 '\'

Question

我编写了一个代码来清理LaTex（只是一个字符串），我想在其中插入空格以标记字符串。我的代码如下：

def insert_spaces(sentence):
  '''
  Add a space around special characters, number and digits. So "2x+y -1/3x" becomes: "2 x + y - 1 / 3 x"
  '''
  dummy_list = []
  splitted_sent = list(sentence)
    
  for i in range(len(splitted_sent)-1):
    dummy_list.append(splitted_sent[i])
    
    if splitted_sent[i].isalpha(): # if it is an alphabet
      if splitted_sent[i+1].isdigit() or (not splitted_sent[i+1].isalnum()):
        dummy_list.append(' ')
    
    elif splitted_sent[i].isdigit(): # if it is a number
      if splitted_sent[i+1].isalpha() or (not splitted_sent[i+1].isalnum()):
        dummy_list.append(' ')
        
    elif (not splitted_sent[i].isalnum()) and (splitted_sent[i] not in [' ','\\']): # if it is a special char but not ' ' already
      if splitted_sent[i+1].isalnum():
        dummy_list.append(' ')
        
  dummy_list.append(splitted_sent[-1])
  
  return ''.join(dummy_list)

例如，如果我的原始查询是：

'ds^{2} = (1 - {qcos\\theta\\over r})^{2\\over 1 + \\alpha^{2}}\\lbrace dr^2+r^2d\\theta^2+r^2sin^2\\theta d\\varphi^2\\rbrace -{dt^2\\over  (1 - {qcos\\theta\\over r})^{2\\over 1 + \\alpha^{2}}}\\, .\\label{eq:sps1} \\widetilde\\gamma_{\\rm hopf}\\simeq\\sum_{n>0}\\widetilde{G}_n{(-a)^n\\over2^{2n-1}}\\label{H4}3455'

然后我希望它被清理为：

'd s ^ { 2 } = ( 1  - { q c o s \\theta \\over  r } ) ^ { 2 \\over  1  + \\alpha ^ { 2 } } \\lbrace  d r ^ 2 + r ^ 2 d \\theta ^ 2 + r ^ 2 sin ^ 2 \\theta  d \\varphi ^ 2 \\rbrace  -{ d t ^ 2 \\over   ( 1  - { q c o s \\theta \\over  r } ) ^ { 2 \\over  1  + \\alpha ^ { 2 } } } \\ , . \\label { eq : sps 1 } \\widetilde \\gamma _ { \\rm  h o p f } \\simeq \\sum _ { n > 0 } \\widetilde { G } _ n { ( - a ) ^ n \\over 2 ^ { 2 n - 1 } } \\label { H 4 } 3 4 5 5'

The above result is a product of this this script 基本上调用this KaTex script

但是现在，我得到的结果是：

'ds ^{ 2 } = ( 1  - { qcos \\theta \\over  r })^{ 2 \\over  1  + \\alpha ^{ 2 }}\\lbrace  dr ^ 2 + r ^ 2 d \\theta ^ 2 + r ^ 2 sin ^ 2 \\theta  d \\varphi ^ 2 \\rbrace  -{ dt ^ 2 \\over   ( 1  - { qcos \\theta \\over  r })^{ 2 \\over  1  + \\alpha ^{ 2 }}}\\, .\\label { eq : sps 1 } \\widetilde \\gamma _{\\rm  hopf }\\simeq \\sum _{ n > 0 }\\widetilde { G }_ n {(- a )^ n \\over 2 ^{ 2 n - 1 }}\\label { H 4 } 3455'

有没有什么方法可以在 RegEx 的帮助下达到同样的效果？

Answer 1

您的预期输出中有一些令人讨厌的违规行为，例如

• 不规则的额外空格
• {eq:sps1} 你想输出为{ eq : sps 1 })
• sin 与所有其他词（例如q c o s）相反，应该作为sin 保持在一起，而不是转换为s i n
• -{ 在某些时候没有像我预期的那样转换为 - {

这些异常违反了我在测试期间能够提出的任何正则表达式。但这与您要达到的目标非常接近，也许您会发现它作为起点很有用...

更新：根据cmets更改了预期结果，已修复

• sin -> s i n
• -{ -> - {

除了空格，这个正则表达式应该处理你的例子。请注意，由于您的描述，例如eq:... 是正则表达式的一部分，可按照您的要求将 eq 和 sqs 保持在一起。

import re

text = r'ds^{2} = (1 - {qcos\\theta\\over r})^{2\\over 1 + \\alpha^{2}}\\lbrace dr^2+r^2d\\theta^2+r^2sin^2\\theta d\\varphi^2\\rbrace -{dt^2\\over  (1 - {qcos\\theta\\over r})^{2\\over 1 + \\alpha^{2}}}\\, .\\label{eq:sps1} \\widetilde\\gamma_{\\rm hopf}\\simeq\\sum_{n>0}\\widetilde{G}_n{(-a)^n\\over2^{2n-1}}\\label{H4}3455'

# updated version according to comments, fixed in expected result:
# * "sin" -> "s i n"
# * "-{" -> "- {"
#expected = r'd s ^ { 2 } = ( 1  - { q c o s \\theta \\over  r } ) ^ { 2 \\over  1  + \\alpha ^ { 2 } } \\lbrace  d r ^ 2 + r ^ 2 d \\theta ^ 2 + r ^ 2 sin ^ 2 \\theta  d \\varphi ^ 2 \\rbrace  -{ d t ^ 2 \\over   ( 1  - { q c o s \\theta \\over  r } ) ^ { 2 \\over  1  + \\alpha ^ { 2 } } } \\ , . \\label { eq : sps 1 } \\widetilde \\gamma _ { \\rm  h o p f } \\simeq \\sum _ { n > 0 } \\widetilde { G } _ n { ( - a ) ^ n \\over 2 ^ { 2 n - 1 } } \\label { H 4 } 3 4 5 5'
expected = r'd s ^ { 2 } = ( 1  - { q c o s \\theta \\over  r } ) ^ { 2 \\over  1  + \\alpha ^ { 2 } } \\lbrace  d r ^ 2 + r ^ 2 d \\theta ^ 2 + r ^ 2 s i n ^ 2 \\theta  d \\varphi ^ 2 \\rbrace  - { d t ^ 2 \\over   ( 1  - { q c o s \\theta \\over  r } ) ^ { 2 \\over  1  + \\alpha ^ { 2 } } } \\ , . \\label { eq : sps 1 } \\widetilde \\gamma _ { \\rm  h o p f } \\simeq \\sum _ { n > 0 } \\widetilde { G } _ n { ( - a ) ^ n \\over 2 ^ { 2 n - 1 } } \\label { H 4 } 3 4 5 5'

res = re.sub(r"(?<!\s)(\s*(?:\\\\[a-zA-Z]*)|eq(?=:)|(?<=:)[a-zA-Z]+|(?:[^\s]))", r' \1', text).strip()
print(re.sub(r'\s+', r' ', res))
print(re.sub(r'\s+', r' ', expected))

输出：

d s ^ { 2 } = ( 1 - { q c o s \\theta \\over r } ) ^ { 2 \\over 1 + \\alpha ^ { 2 } } \\lbrace d r ^ 2 + r ^ 2 d \\theta ^ 2 + r ^ 2 s i n ^ 2 \\theta d \\varphi ^ 2 \\rbrace - { d t ^ 2 \\over ( 1 - { q c o s \\theta \\over r } ) ^ { 2 \\over 1 + \\alpha ^ { 2 } } } \\ , . \\label { eq : sps 1 } \\widetilde \\gamma _ { \\rm h o p f } \\simeq \\sum _ { n > 0 } \\widetilde { G } _ n { ( - a ) ^ n \\over 2 ^ { 2 n - 1 } } \\label { H 4 } 3 4 5 5
d s ^ { 2 } = ( 1 - { q c o s \\theta \\over r } ) ^ { 2 \\over 1 + \\alpha ^ { 2 } } \\lbrace d r ^ 2 + r ^ 2 d \\theta ^ 2 + r ^ 2 s i n ^ 2 \\theta d \\varphi ^ 2 \\rbrace - { d t ^ 2 \\over ( 1 - { q c o s \\theta \\over r } ) ^ { 2 \\over 1 + \\alpha ^ { 2 } } } \\ , . \\label { eq : sps 1 } \\widetilde \\gamma _ { \\rm h o p f } \\simeq \\sum _ { n > 0 } \\widetilde { G } _ n { ( - a ) ^ n \\over 2 ^ { 2 n - 1 } } \\label { H 4 } 3 4 5 5