Question

我只需要删除小写字母之间的连字符。这是我目前的表达方式：

re.sub('\[a-z]-\[a-z]', "", 'hyphen-ated Asia-Pacific 11-12')

我希望它返回：

'hyphenated Asia-Pacific 11-12'

Answer 1

两种方法，包括一些时间安排：

import re, timeit

def a1():
    s = re.sub(r'([a-z])-([a-z])', r'\1\2', "hyphen-ated Asia-Pacific 11-12")

def a2():
    s = re.sub(r'(?<=[a-z])-(?=[a-z])', '', "hyphen-ated Asia-Pacific 11-12")

print(timeit.timeit(a1, number = 10**5))
print(timeit.timeit(a2, number = 10**5))

产量

0.9709542730015528
0.37731508900105837

因此，在这种情况下，lookarounds可能会更快。

Answer 2

TL; DR：

>>> re.sub('([a-z])-(?=[a-z])', r'\1', 'oblig-a-tory hyphen-ated Asia-Pacific 11-12')
'obligatory hyphenated Asia-Pacific 11-12'

或

>>> re.sub('(?<=[a-z])-(?=[a-z])', '', 'oblig-a-tory hyphen-ated Asia-Pacific 11-12')
'obligatory hyphenated Asia-Pacific 11-12'

上下文替换的主要复杂性（＆＃34;查找小写字母和＃34所包围的所有连字符;）后跟上下文（匹配模式后面的部分）不得包含在匹配中。如果是，它将无法参加下一场领先的比赛。

一个例子可能会更清楚。

天真的解决方案是

>>> re.sub('([a-z])-([a-z])', r'\1\2', 'hyphen-ated Asia-Pacific 11-12')
'hyphenated Asia-Pacific 11-12'

与问题中的调用不同，因为它匹配连字符周围的小写字母，捕获它们以便可以将它们重新插入到结果中。在这种情况下，模式匹配的唯一子字符串为n-a，并且已正确替换为na。

但是假设我们有两个连在一起的连字符，就像这样：

>>> re.sub('([a-z])-([a-z])', r'\1\2', 'oblig-a-tory hyphen-ated Asia-Pacific 11-12')
'obliga-tory hyphenated Asia-Pacific 11-12'

a是匹配g-a的一部分，搜索在-之后的a处重新开始。所以从来没有看到过匹配的模式a-t。

要解决此问题，我们可以使用lookahead assertion：

>>> re.sub('([a-z])-(?=[a-z])', r'\1', 'oblig-a-tory hyphen-ated Asia-Pacific 11-12')
'obligatory hyphenated Asia-Pacific 11-12'

现在尾随上下文（连字符后面的小写字母）不是匹配的一部分，因此我们不需要在替换中重新插入它。这意味着，在将g-与结尾a匹配后，搜索将从a开始继续，下一个匹配将为a-，结尾为t。

Python也可以做＆＃34; lookbehinds＆＃34;，其中模式只有在另一个模式在它之前才匹配。使用lookbehind和lookahead，我们可以写：

>>> re.sub('(?<=[a-z])-(?=[a-z])', '', 'oblig-a-tory hyphen-ated Asia-Pacific 11-12')
'obligatory hyphenated Asia-Pacific 11-12'

这也会产生正确的答案。现在我们只是匹配连字符，但坚持它之前和之后是一个小写字母。由于匹配只是连字符，因此替换字符串可以为空。

有时使用这样的后视可以加速比赛。有时会减慢速度。如果速度对你很重要，那么总是值得用特定模式做基准测试。但首要任务是使比赛正确。

Answer 3

re.sub(r'([a-z])-([a-z])', r'\1\2', "hyphen-ated Asia-Pacific 11-12")

捕获连字符前后的字母，并在剥离连字符时保留它们。 \1和\2表示第一个和第二个捕获的组，在这种情况下是字母。

您当前的代码与连字符周围的两个字母相匹配，并删除整个匹配项。替换时应保留字母。

Python正则表达式用于删除小写字符之间的连字符

3 个答案: