我有一个数据框，其中有一列包含字符串（句子）。该字符串有许多驼峰式缩写。还有一本字典详细介绍了这些缩写及其各自的长格式。
例如： 字典：{'ShFrm':'Shortform', 'LgFrm':'Longform' ,'Auto':'Automatik'} 数据框列有这样的文本：（为简单起见，每个列表条目是数据框中的一行） ['ShFrmLgFrm 应该自动替换','Auto', 'AutoLgFrm']
如果我只是使用字典替换，所有替换都是正确的，除了在第一个文本中自动转换为“自动”。
我尝试在带有条件的字典的键值中使用正则表达式，只有在它之前有空格/开始 pf 字符串/小字母并且在它之后有大写字母/空格/句子结尾时才替换单词：'( ?:^|[a-z])ShFrm(?:[^A-Z]|$)'，但它也替换了中间字符串前后的字符。
您能否帮我修改正则表达式模式，使其仅在它之前有小写字母/之前是单词/空格的开头并且之后有大写字母/单词结尾/空格之后才匹配缩写，并且只替换中间词，而不替换前后字符
【问题讨论】：
您需要从字典键构建基于交替的正则表达式，并使用 lambda 表达式作为替换参数。
见下面Python demo：
import re
d = {'ShFrm':'Shortform', 'LgFrm':'Longform' ,'Auto':'Automatik'}
col = ['ShFrmLgFrm should be replaced Automatically','Auto', 'AutoLgFrm']
rx = r'(?:\b|(?<=[a-z]))(?:{})(?=[A-Z]|\b)'.format("|".join(d.keys()))
# => (?:\b|(?<=[a-z]))(?:ShFrm|LgFrm|Auto)(?=[A-Z]|\b)
print([re.sub(rx, lambda x: d[x.group()], v) for v in col])
# => ['ShortformLongform should be replaced Automatically', 'Automatik', 'AutomatikLongform']
在 Pandas 中，您可以这样使用它：
df[col] = df[col].str.replace(rx, lambda x: d[x.group()], regex=True)
请参阅regex demo。
【讨论】：
您可以使用前瞻函数来匹配主表达式之后的组，而不将其包含在结果中。
(?<=\b|[a-z])(ShFrm|LgFrm|Auto)(?=[A-Z]|\b)
这完全符合您的要求。虽然pythonre只支持固定宽度的正向lookbehind，我们可以改为负向lookbehind
rx=r"(?<![A-Z])(ShFrm|LgFrm|Auto)(?=[A-Z]|\b)"
re.findall(rx,"['ShFrmLgFrm should be replaced Automatically','Auto', 'AutoLgFrm']")
输出：['ShFrm', 'LgFrm', 'Auto', 'Auto', 'LgFrm']
【讨论】：