我想从主文本中分隔标点符号和符号，以便将它们拆分为单独的标记。我有一个包含以下符号%&()+,-./:;=–‘’“”″的文本文件，我想用\ssymbol\s替换每个符号（\s表示空格），如果两个符号相同，例如..彼此相邻，我想用\s..\s替换它们。这是我到目前为止所尝试的：
>>> punc = "[%&\(\)\+,-./:;=–‘’“”″]+"
>>> import re
>>> pattern = re.compile(punc)
>>> text = "hi. hi.. hi; hi;; 55% good& good&&"
>>> text = re.sub(pattern, ' '+str(pattern)+' ', text)
当我打印文本时，我得到以下内容：
>>> print(text)
hi <_sre.SRE_Pattern object at 0x00000000035E14E0> hi <_sre.SRE_Pattern object at 0x00000000035E14E0> hi <_sre.SRE_Pattern object at 0x00000000035E14E0> hi <_sre.SRE_Pattern object at 0x00000000035E14E0> 55 <_sre.SRE_Pattern object at 0x00000000035E14E0> x <_sre.SRE_Pattern object at 0x00000000035E14E0>
但我希望输出如下：
hi . hi .. hi ; hi ;; 55 % good & good &&
经过几次尝试，我意识到我无法编译正确的正则表达式。非常感谢您的帮助！
答案 0 :(得分：1)
处理您尝试执行的操作的正确方法是使用捕获组。这将让您参考您的比赛。首先，让我首先解释为什么你的尝试给你看到的输出。
在re.sub函数中，当您将' '+str(pattern)+' '作为第三个参数时，会将其计算为字符串" <_sre.SRE_Pattern object at some_memory_location> "，因为str(pattern)返回字符串表示形式模式对象，而不是模式。
顺便说一句，在Python 3.4和3.5上，str(pattern)为我返回re.compile('[%&\\(\\)\\+,-./:;=–‘’“”″]')，你使用的是什么版本的Python？它可能是Python 2的一个版本吗？
正如我之前提到的，您的解决方案需要使用捕获groups。要表示一个组，只需使用括号即可。在您的情况下，解决方案很简单，因为您只需要一个组：
>>> import re
>>> pattern = re.compile(r"([%&\(\)\+,-./:;=–‘’“”″]+)")
注意我的字符串文字，我在字符串开头之前使用了r。这表示一个原始字符串，它使字符串忽略Python 定义的任何转义序列。转义序列类似于'\t'，例如，表示选项卡。但是，如果您使用r'\t'，那么它就是实际的字符串\t。
>>> text = "hi. hi.. hi; hi;; 55% good& good&&"
>>> pattern.sub(r' \1 ', text)
'hi . hi .. hi ; hi ;; 55 % good & good && '
注意我只使用模式对象的sub方法而不是模块级函数re.sub。这不是什么大问题，但它对我来说似乎更干净。另外，对于替换参数，我使用了r' \1 '。此\1是指您的模式捕获的第一组。例如，如果您想要反转某些模式，如果您有多个组，则可以使用\2 \1之类的内容。这又是一个逃脱序列！
您的规范中不清楚您希望如何处理超过2个字符，例如三个字。因此，您的模式将如此处理这种情况：
>>> text2 = "hi. hi.. hi; hi;; 55% good& good&& hi &&& hello,"
>>> pattern.sub(r' \1 ', text2)
'hi . hi .. hi ; hi ;; 55 % good & good && hi &&& hello , '
也许这就是你的意思，但也许你想要考虑'＆amp;＆amp;＆amp;＆amp;'两个截然不同的比赛：'＆amp;＆amp;'和'＆amp;'。您可以使用量词来处理这种情况：
>>> pattern2 = re.compile(r'([%&\(\)\+,-./:;=–‘’“”″]{1,2})')
>>> pattern2.sub(r' \1 ', text2)
'hi . hi .. hi ; hi ;; 55 % good & good && hi && & hello , '
您可以使用括号表示法进行更精细的控制，而不是使用表示一个或多个的+符号。例如，{1,3}将匹配1到3. {3}将完全匹配3. {3，}将匹配3或更多。