Question

我很抱歉，但是我无法找到谷歌给我的任何解决方案的工作解决方案（某些网站上的几个“食谱”非常接近，但是很老了，我还没有'找到了能给我正在寻找的结果的东西。

我正在重命名文件，所以我有一个吐出文件名的函数，为此我只是使用'test_string'：因此，首先删除所有的点，（和下划线）和东西 - 因为这些是所有这些教授所做的最常见的事情，并使所有这些东西无法处理（或看）而不删除。 5例子：

test_string_1 = 'legal.studies.131.race.relations.in.the.United.States.'

'legal.studies' - ＆gt; '法律研究'

test_string_2 = 'mediastudies the triumph of bluray over hddvd'

'mediastudies' - ＆gt; '媒体研究'，'蓝光' - ＆gt; 'Blu-ray，'hddvd' - ＆gt; 'HD DVD'

test_string_3 = 'computer Science Microsoft vs unix'

'计算机科学' - ＆gt; '计算机科学'，'unix' - ＆gt; 'UNIX'

test_string_4 = 'Perception - metamers dts'

'感知'已经很好了（但是谁在乎），大图是他们想要将音频信息保存在那里，所以'dts' - ＆gt; DTS

test_string_5 = 'Perception - Cue Integration - flashing dot example aac20 xvid'

'aac20' - ＆gt; 'AAC2.0'，'xvid' - ＆gt; '的XviD'

目前我通过以下方式运行：

new_string = re.sub(r'(?i)Legal(\s|-|)Studies', 'Legal Studies', re.sub(r'(?i)Sociology', 'Sociology', re.sub(r'(?i)Media(\s|-|)Studies', 'Media Studies', re.sub(r'(?i)UNIX', 'UNIX', re.sub(r'(?i)Blu(\s|-|)ray', 'Blu-ray', re.sub(r'(?i)HD(\s|-|)DVD', 'HD DVD', re.sub(r'(?i)xvid(\s|-|)', 'XviD', re.sub(r'(?i)aac(\s|-|)2(\s|-|\.|)0', 'AAC2.0', re.sub(r'(?i)dts', 'DTS', re.sub(r'\.', r' ', original_string.title()))))))))))

我让他们一起在一条线上擦过;因为我没有更改/更新它（我的大脑/ ADD的工作方式）更容易让它尽可能地最小/偏离我做其他事情一旦我没有弄乱继续这部分。

所以，以我的例子：

new_test_string_1 = 'Legal Studies 131 Race Relations In The United States'
new_test_string_2 = 'Media Studies The Triumph Of Blu-ray Over HD DVD'
new_test_string_3 = 'Computer Science Microsoft Vs UNIX'
new_test_string_4 = 'Perception - Metamers DTS'
new_test_string_5 = 'Perception - Cue Integration - Flashing Dot Example AAC2.0 XviD'

然而，随着我越来越多这些它真的开始成为我想要字典或其他东西的东西 - 我不想把代码炸成任何疯狂的东西，但我' d喜欢能够添加新的替换品，因为需要添加的实际例子（例如，那里有很多音频编解码器/容器/ whatevers，看起来我可能不得不把它们全部扔掉在）。我对这个master-list / dictionary / whatever使用的方法没有意见。

大图：我正在修复文件名中的空格和下划线，用大写的东西替换掉一堆狗屎（目前，除了我正在制作的re.subs之外，普遍标题 - 包装它在大多数情况下，大写不完美，输出中可能有或没有空格，短划线或点。）

同样，单线，无名（如lambda）函数更可取。

P.S。对不起有些奇怪和一些最初缺乏清晰度。其中一个问题是在我的专业/研究中，大部分内容实际上非常简单，其他课程需要所有蓝光，HD DVD，DTS，AAC2.0，XviD等。

Answer 1

>>> import re
>>> def string_fix(text,substitutions):
        text_no_dots = text.replace('.',' ').strip()
        for key,substitution in substitutions.items():
            text_no_dots = re.sub(key,substitution,text_no_dots,flags=re.IGNORECASE)
        return text_no_dots

>>> teststring = 'legal.studies.131.race.relations.in.the.U.S.'
>>> d = {
     r'Legal(\s|-|)Studies' : 'Legal Studies', 
     r'Sociology'           : 'Sociology', 
     r'Media(\s|-|)Studies' : 'Media Studies'
}
>>> string_fix(teststring,d)
'Legal Studies 131 race relations in the U S'

这是一个更好的方法，没有字典

>>> teststring = 'legal.studies.131.race.relations.in.the.U.S.'
>>> def repl(match):
        return ' '.join(re.findall('\w+',match.group())).title()

>>> re.sub(r'Legal(\s|-|)Studies|Sociology|Media(\s|-|)Studies',repl,teststring.replace('.',' ').strip(),flags=re.IGNORECASE)
'Legal Studies 131 race relations in the U S'

Answer 2

import re

def string_fix(filename, dict):
    filename = filename.replace('.', ' ')
    for key, val in dict.items():
        filename = re.sub(key, val, filename, flags=re.IGNORECASE)
    return filename

dict = {
         r'Legal[\s\-_]?Studies' : 'Legal Studies',
         r'Media[\s\-_]?Studies' : 'Media Studies',
         r'dts' : 'DTS',
         r'hd[\s\-_]?dvd': 'HD DVD',
         r'blu[\s\-_]?ray' : 'Blu-ray',
         r'unix' : 'UNIX',
         r'aac[\s\-_]?2[\.]?0' : 'AAC2.0',
         r'xvid' : 'XviD',
         r'computer[\s\-_]?science' : 'Computer Science'
     }

string_1 = 'legal.studies.131.race.relations.in.the.United.States.'
string_2 = 'mediastudies the triumph of bluray over hddvd'
string_3 = 'computer Science Microsoft vs unix'
string_4 = 'Perception - metamers dts'
string_5 = 'Perception - Cue Integration - flashing dot example aac20 xvid'

print(string_fix(string_1, dict))
print(string_fix(string_2, dict))
print(string_fix(string_3, dict))
print(string_fix(string_4, dict))
print(string_fix(string_5, dict))

bvCase不敏感的正则表达式替换字典

2 个答案: