Question

我目前正在使用Python在语料库中执行预处理，用于执行自然语言处理然后进行分类。我对使用任何库作为NLTK不感兴趣。在我学习的时候，我更喜欢这次自己做。

问题是，如果逗号之前或后面没有数字，我必须在句子中的逗号之间添加空格：

Input: "My car costs $10,000."
Output: "My car costs $10,000."

Input: "Oh, I forgot my keys."
Output: "Oh , I forgot my keys."

到目前为止我所拥有的是：

re.sub(r"(,+)", r' \g<1> ', sentence)

问题在于它没有考虑“数字约束”。我也测试过：

re.sub(r"[^\d](,+)", r' \g<1> ', sentence)

它确实忽略了数字，但是当检查普通句子（没有数字）时，它也匹配逗号前面的字符，它被空格替换为：

Input: "Oh, I forgot my keys."
Output: "O , I forgot my keys."

Answer 1

试试这个：

re.sub(r"(?<![\d])(,+)(?![\d])", r' \g<1> ', sentence)

这是使用名为lookahead and lookbehind的东西。这是有效的，因为前瞻或后瞻匹配的值不是匹配的一部分，因此不会被sub替换。

Answer 2

使用负向前瞻和后视：

>>> r = re.compile(r'(?<!\d)(,)(?!=\d)')
>>> r.sub(r' \1', "My car costs $10,000.")
'My car costs $10,000.'
>>> r.sub(r' \1', "Oh, I forgot my keys.")
'Oh , I forgot my keys.'

Answer 3

你要找的正则表达式就是这个，

(?=,)(?<!\d)

工作正则表达式示例：

http://regex101.com/r/iW0iZ4

这是一个零宽度匹配，所以你只需要用（空格）来重复，就是这样。

如果逗号不是数字，则在逗号之间添加空格

3 个答案: