检测标点符号后的缺失空格和标点符号前的空格

Question

我想检测 标点符号之后的缺失空格和 标点符号之前的额外空格。我尝试使用正则表达式来匹配[A-Za-z0-9][?.,:!][A-Z] 和[A-Za-z0-9]\s+[?.,:!]，但是当应用于字符串Something is in the air tonight.Or is it ? 时，这两个都返回None。

import re

mystring = "Something is in the air tonight.Or is it ?"

missing_space_regex = re.compile('[A-Za-z0-9][?.,:!][A-Z]')
print(missing_space_regex.match(mystring))

extra_space_regex = re.compile('[A-Za-z0-9]\s+[?.,:!]')
print(extra_space_regex.match(mystring))

我意识到上面的 extra_space_regex 不会检测到文本以标点符号开头的情况，但我可以将其作为特殊情况处理。

Answer 1

如果您可以使用regex 而不是re，则可以利用正则表达式Unicode 字符类，例如\p{P} 用于标点符号：

import regex

mystring = "Something is in the air tonight.Or is it ?"

missing_space_regex = regex.compile(r'.*?\p{P}\S')
print(missing_space_regex.match(mystring))

extra_space_regex = regex.compile(r'.*?\s\p{P}')
print(extra_space_regex.match(mystring))

输出：

<regex.Match object; span=(0, 33), match='Something is in the air tonight.O'>
<regex.Match object; span=(0, 42), match='Something is in the air tonight.Or is it ?'>

或者如果您确实想使用您选择的标点符号和re：

punc = "?.,:!"

missing_space_re = re.compile(f".*?[{punc}]\S")
print(missing_space_re.match(mystring))

extra_space_re = re.compile(f'.*?\s[{punc}]')
print(extra_space_re.match(mystring))