当 text 与 dict 键相同时，将 text 替换为 dict 值。但是，当文本与列表中的值相同时，不要替换文本

Question

如何用 dict 替换文本，但不替换 skip_words 列表中的文本？

my_text = "HelloWorld foobar Hello bar..."

my_dict = {
    "Hello": "Hi",
    "bar": "rab",
    ...
}

skip_words = ["HelloWorld", "foobar"]

for a, b in my_dict.items():
    my_text = my_text.replace(a, b)

我想替换 Hello -> Hi 和 bar -> rab，但我不想替换 HelloWorld 和 foobar，因为它们在 skip_words 列表中。

Answer 1

一种方法是使用替换函数进行简单的正则表达式替换；

import re

my_dict = { "Dog": "dog", "Cat": "cat" }
skip_words = set(["The Dog", "The Cat"])

result = re.sub(
    f'({"|".join(skip_words)}|{"|".join(my_dict.keys())})', 
    lambda x:x.group() if x.group() in skip_words else my_dict[x.group()], 
    "The Dog is Dog Dog Dog..."
)

print(result)

>>> The Dog is dog dog dog...

简短说明；

f'({"|".join(skip_words)}|{"|".join(my_dict.keys())})', 

创建一个正则表达式字符串进行匹配，由所有跳过的词（第一个）和所有的替换词组成。正则表达式将匹配其中任何一个。

lambda x:x.group() if x.group() in skip_words else my_dict[x.group()], 

一个函数，它为skip_words中的单词返回单词本身，或者为任何其他匹配的单词从my_dict中查找的版本返回。这意味着，跳过的单词不会被替换，其他匹配项会被替换。

请注意，我将跳过的单词放在一个集合中以便更轻松、更有效地查找。

Answer 2

您应该自己在文本中找到或创建一个模式。

例如，如果您想替换 "The" 之后的所有 "Dog"s，您可以这样做：

In [1]: import re
In [2]: re.sub(r"(?<!\bThe\W)\bDog", "dog", text)
Out[2]: 'The Dog is dog dog dog...'

这称为Negative Lookbehind

Answer 3

不要在循环中使用replace，这样效率非常低，因为每次替换都需要重新读取整个字符串。

而是制作一个正则表达式并将每个匹配项传递给一个函数以将值映射到您的字典：

import re
regex = '|'.join('(?<!The )%s' % w for w in my_dict.keys())
re.sub('(%s)' % regex, lambda x: my_dict[x.group()], my_text)

输出：'The Dog is dog dog dog...'

或者，或者，将文本拆分为单词并测试每个单词的匹配。请注意，这仅适用于完全独立的单词（请参阅最后一个“Dog”由于“...”而不会被替换）：

' '.join(my_dict.get(w, w) for w in my_text.split())

输出：'The dog is dog dog Dog...'