是否可以在 re.sub 中使用 re.search 的结果作为变量？

Question

原始文本：

(NP(DT a)(JJ小)(NN奇迹))

text1：

(1-NP (2-DT 3-a) (4-JJ 5-小) (6-NN 7-奇迹))**

文本2：

(1-NP (2-DT>1 3-a) (4-JJ>1 5-small) (6-NN>1 7-miracle))**

我想把 text1 变成 text2。这样做的目的是使用 >1 来表示数字 2,4 和 6 的父级是数字 1。

我想出了：

line = '(1-NP (2-DT 3-a) (4-JJ 5-small) (6-NN 7-miracle))'
q = re.search(r'^\(([0-9]{1,2})\-NP',line)               # capture the parent number 
i = re.sub(r'( \([^ ]+\b )',r'\1' + q.group(1) ,line)    # using the captured number in re.sub
print(str(i))

运行代码后我收到错误消息：

raise error, "invalid group reference"
sre_constants.error: invalid group reference

看起来问题出在：

 r'\1' + q.group(1)

那么.. 如何使用 python 将 text1 转换为 text2？

Answer 1

使用 sub() 之类的函数，在 python 中无法使用 \1 和 \2 来扩展替换字符串中的括号组，...（如在 sed、awk 或 vi 中）。

相反，\g<1> 和 \g<2>,...

可以在替换字符串中引用这些组

import re

line = '(1-NP (2-DT 3-a) (4-JJ 5-small) (6-NN 7-miracle))'
q = re.search(r'^\(([0-9]{1,2})\-NP',line)
result = re.sub(r' \(([^ ]+?) ([^ ]+?)\)', ' (\g<1>>' + q.group(1) + ' \g<2>)', line)

print result

请注意，第二个正则表达式使用[^ ]+? 而不是[^ ]+。问号使+ 成为所谓的“非贪婪”，这意味着它将匹配尽可能小而不是尽可能大的字符串的一部分。后者（尽可能大，贪婪）是默认的正则表达式行为。

Answer 2

line = '(2-NP (3-DT 4-Every) (5-NN 6-fossil))'

for i in list(re.finditer(r'\(([0-9]){0,4}\-[A-Z]{2}',line))[1:]:
    line = re.sub(re.sub('\(','\(',i.group(0)),i.group(0)+'>1',line)
print(line)

输出

'(2-NP (3-DT>1 4-Every) (5-NN>1 6-fossil))'