正则表达式模式在单个语句中处理区分大小写和不区分大小写

Question

我有一个小的正则表达式来处理。

我有2个不同的术语。

1. United States, which I would like to match ignoring the case
2. US, which I would like to match without ignoring case.

我想在单个正则表达式替换语句中执行以下两个正则表达式替换。

clntxt = re.sub('(?i)United States','USA', "united states") # Output: USA
clntxt = re.sub('US','USA', "US and us") # output: USA and us

我需要像

这样的东西

clntxt = re.sub('(?i)United States|(?s)US','USA', "united states and US and us")  # output: USA and USA and us

我如何实现上述目标？

Answer 1

您无法在Python中的模式内的任何位置使用内联i修饰符。不支持启用或禁用不区分大小写模式的变体。一旦模式中有(?i)，所有模式都被视为不区分大小写。

在rexegg.com处查看更多详情：

  

内联修饰符(?i)
  在.NET，PCRE（C，PHP，R ...），Perl，Python，Java和Ruby（但不是JavaScript）中，可以使用内联修饰符(?i) ，例如{ {1}}。有关有关三个附加功能（在Python中不可用）的详细信息，请参阅内联修饰符部分：在中间字符串中打开它，使用(?i)cat将其关闭，或应用它仅限(?-i)

的非捕获组的内容

因此，您只能使用

之类的东西

(?i:foo)

并且可能添加单词边界：

'[Uu][nN][Ii][Tt][Ee][Dd] [Ss][Tt][Aa][Tt][Ee][Ss]|US'

Answer 2

正如WiktorStribiżew所指出的那样，(?i)打开了整个表达式的“忽略大小写”标志。来自官方文件：

  

（？aiLmsux）

     

（来自集合'a'，'i'，'L'，'m'，'s'，'u'，'x'的一个或多个字母。）该组匹配空字符串;字母设置相应的标志：re.A（仅限ASCII匹配），re.I（忽略大小写），re.L（依赖于语言环境），re.M（多行），re.S（点匹配全部）和re.X（详细），用于整个正则表达式。 （标志在模块内容中描述。）如果您希望将标志包含在正则表达式的一部分中，而不是将标志参数传递给re.compile（）函数，这将非常有用。应首先在表达式字符串中使用标志。

但是，从Python 3.6开始，您可以在表达式的一部分内切换标志：

  

（imsx-imsx：？...）

     

（来自集合'i'，'m'，'s'，'x'的零个或多个字母，可选地后跟' - '后跟来自同一集合的一个或多个字母。）字母设置或删除相应的标志：re.I（忽略大小写），re.M（多行），re.S（点匹配all）和re.X（详细），表达式的一部分。 （标志在模块内容中描述。）

     

版本3.6中的新功能。

例如，(?i:foo)bar匹配foobar和FOObar，但不匹配fooBAR。所以回答你的问题：

>>> re.sub('(?i:United States)|US', 'USA', 'united states and US and us')
'USA and USA and us'

请注意，这仅适用于Python 3.6 +。