使用正则表达式仅替换某些单词

Question

我的文本包含许多“PROB TEMPO”和“TEMPO”单词，并且当 PROB 没有出现在 TEMPO 之前时，我想在单词“PROB”之前或单词“TEMPO”之前插入换行符。 我正在使用 Python 与

re.sub

例如，

text = "PROB TEMPO BKN001 TEMPO BKN009 PROB TEMPO BKN008 TEMPO BKN012..."
new_text = re.sub("PROB TEMPO", "PROB </br>&emsp;TEMPO", text)
new_text = re.sub("BKN009 TEMPO", "BKN009 </br>&emsp;TEMPO", text)
new_text = re.sub("BKN012 TEMPO", "BKN012 </br>&emsp;TEMPO", text)

问题是我必须检查所有的可能性。我可以在

re.sub

中使用正则表达式吗？例如，我使用了这个，但它不起作用

new_text = re.sub("BKN0\d\d", "BKN0\d\d </br>&emsp;TEMPO", text)

Answer 1

你可以使用

import re

text = "PROB TEMPO BKN001 TEMPO BKN009 PROB TEMPO BKN008 TEMPO BKN012..."
print( re.sub(r"\b(?!^)(PROB\s+TEMPO|(?<!PROB\s)TEMPO)\b\s*", "\n\\g<0>", text) )

请参阅 Python 演示。输出：

PROB TEMPO BKN001 
TEMPO BKN009 
PROB TEMPO BKN008 
TEMPO BKN012...

\b(?!^)(PROB\s+TEMPO|(?<!PROB\s)TEMPO)\b\s*

正则表达式匹配任何

PROB TEMPO

或

TEMPO

（前面没有紧接着

PROB

和空格）整个单词。

如果您需要在

TEMPO

之前支持多个空格，则需要安装 PyPi 正则表达式模块，然后

import regex as re

并使用

\b(?!^)(PROB\s+TEMPO|(?<!PROB\s+)TEMPO)\b\s*

。

Answer 2

有两种方法可以解决您的问题。 一种是简单地依次替换模式“PROB”和“TEMPO”（前面不加“PROB”）：

import re

text = "PROB TEMPO BKN001 TEMPO BKN009 PROB TEMPO BKN008 TEMPO BKN012..."

new_text = re.sub(r"PROB", r"<br/>&emsp;PROB", text)
new_text = re.sub(r"(?<!PROB) TEMPO", r"<br/>&emsp;TEMPO", new_text)
print(new_text)
# <br/>&emsp;PROB TEMPO BKN001<br/>&emsp;TEMPO BKN009 <br/>&emsp;PROB TEMPO BKN008<br/>&emsp;TEMPO BKN012...

(?<!PROB)

部分是负向后看，如文档中所述，并且将匹配前面没有“PROB”的内容。

另一个解决方案使用了另外两个正则表达式工具：or运算符和backreferences，从正则表达式的角度来看更优雅一些。

import re

text = "PROB TEMPO BKN001 TEMPO BKN009 PROB TEMPO BKN008 TEMPO BKN012..."

new_text = re.sub(r"PROB|(?<!PROB) TEMPO", r"<br/>&emsp;\g<0>", text)
print(new_text)
# <br/>&emsp;PROB TEMPO BKN001<br/>&emsp; TEMPO BKN009 <br/>&emsp;PROB TEMPO BKN008<br/>&emsp; TEMPO BKN012...

要匹配的模式是“PROB”或“TEMPO”（前面不带“PROB”）。 替换字符串中的

\g<0>

是对整个匹配的反向引用。

在您的问题中，您尝试使用反向引用并以

BKN0\d\d

开始替换字符串。 意图很明显，但这只会解析为字面的退格键。 反向引用告诉正则表达式引擎“这就是之前的模式匹配的内容”。

另请注意，我使用了

<br/>

（不是

</br>

），因为这是换行符的正确 XHTML 元素。