使用内部函数不起作用的正则表达式查找和替换操作

Question

我是 Stack Overflow 上的新手，希望有人可以帮助我编写以下代码。

我正在尝试改编来自 Ascher、Ravenscroft 和 Martelli Python Cookbook 的一段代码。我想使用字典键：值对（所有文本都是 utf-8）将 Text 中包含“long-s”的所有单词替换为用现代小写 s 拼写的等效单词。我能够毫无问题地从现有的制表符分隔文件构建字典（我在代码中使用了一个简单的示例字典以便于编辑），但是我想一次完成所有更改以提高速度和效率.我已经删除了代码的map 和escape 部分，因为我认为'long-s' 不需要转义（不过我可能是错的！）。第一部分工作正常，但内部函数one_xlat 似乎没有做任何事情。最后它不会返回/打印Text，也没有错误消息。我已经在命令行和 IDLE 中运行了代码，结果相同。我已经在使用和不使用map 和escape 的情况下运行了代码，并且为了确定，我已经重命名了变量，但我不能让它工作。有人可以帮忙吗？抱歉，如果我遗漏了一些明显的东西，并提前非常感谢您。

来自 Ascher、Ravenscroft 和 Martelli 的原始代码：

import re
def multiple_replace(text, adict):
    rx = re.compile('|'.join(map(re.escape, adict)))
    def one_xlat(match):
        return adict[match.group(0)]
    return rx.sub(one_xlat, text)

改编版：

import re

adictCR = {"handſome":"handsome","ſeated":"seated","veſſels":"vessels","ſea-side":"sea-side","ſand":"sand","waſhed":"washed", "oſ":"of", "proſpect":"prospect"}
text = "The caſtle, which is very extenſive, contains a ſtrong building, formerly uſed by the late emperor as his principal treaſury, and a noble terrace, which commands an extensive proſpect oſ the town of Sallee, the ocean, and all the neighbouring country."

def word_replace(text, adictCR):
    regex_dict = re.compile('|'.join(adictCR))
    print(regex_dict)
    def one_xlat(match):
        return adictCR[match.group(0)]
    return regex_dict.sub(one_xlat, text)
    print(text)

word_replace(text, adictCR)

Answer 1

我会这样重写你的代码：

# -*- coding: utf-8 -*-
import re

adictCR = {"handſome":"handsome","ſeated":"seated","veſſels":"vessels","ſea-side":"sea-side","ſand":"sand","waſhed":"washed", "oſ":"of", "proſpect":"prospect"}
text = "The caſtle, which is very extenſive, contains a ſtrong building, formerly uſed by the late emperor as his principal treaſury, and a noble terrace, which commands an extensive proſpect oſ the town of Sallee, the ocean, and all the neighbouring country."

new_s=[]        
for g in (m.group(0) for m in re.finditer(r'\w+|\W+', text)):
    if g in adictCR:
        g=adictCR[g]
    new_s.append(g)

然后您可以使用''.join(new_s) 获取新字符串。

注意：'\w+|\W+' 模式仅适用于具有非 ascii 文本的 Python 最新版本（3.1+）。您也可以将split(r'(\W)', str) 作为替代，但我认为这不适用于带有 utf-8 的 Python 2。