Python正则匹配的应用——替换括号及括号内字符、文本分句

本文是在实际处理文本时遇到的两个应用。

1、剔除括号及括号内的数据

     用正则匹配的方法，替换掉目标字符串为空，具体示例如下：

s = "我是一个人(中国人)aaa[真的]bbbb{确定}"
a = re.sub(r"\(.*?\)|\{.*?\}|\[.*?\]", "", s)
print(a)

output：
我是一个人aaabbbb

 解释：正则匹配的规则也是从左往右开始匹配的。因为括号()在正则匹配中有特殊用法，所以这里用\(和\)的方式匹配正反括号。“.”表示匹配任意初换行之外的字符，“*”表示匹配其前面的字符0次或无数字，那这样的话，"\(.*"这个表示匹配的字符串以正括号开始，后面0个或者任意个数的非换行字符。 

关于“?”的使用：

（1）如果是跟在一般符号后面，则表示匹配表达式0次或1次。比如“do(es)?”，这里就是表示匹配一定以do开头，但是es出现0次或者1次。所以“do(es)?”可以匹配的字符串包括“does”和“do”。在正则匹配中，(pattern)表示匹配pattern 并获取这一匹配，要匹配圆括号字符，则使用 '\(' 或 '\)'。

（2）如果是跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。关于贪婪和非贪婪匹配可以看底下的例子。

2、贪婪匹配和非贪婪匹配

      对于贪婪和非贪婪的的影响，在实践中，觉得最大的影响就是对括号的匹配。

s = "我是一个人(中国人)哈哈哈哈哈(真的)bbbb{确定}"
# 非贪婪模式
print(re.findall(r"\(.*?\)", s))
# 贪婪模式
print(re.findall(r"\(.*\)", s))

输出结果：
['(中国人)', '(真的)']
['(中国人)哈哈哈哈哈(真的)']

2、只替换括号内的内容

s = "我是一个人(中国人)aaa[真的]bbbb{确定}"
b = re.sub(r"(?<=\().+?(?=\))|(?<=\[).+?(?=\])", "hahah", s)
print(b)

output：
我是一个人(hahah)aaa[hahah]bbbb{确定}

3、文本分句

      待更新

 

参考文章：

正则表达式(括号)、[中括号]、{大括号}的区别小结

Python 正则式学习笔记