Question

我正在尝试为某些给定的查询字符串添加标记，并且标记应该包围所有匹配的字符串。例如，我想在句子iphone games mac中匹配查询I love downloading iPhone games from my mac.的所有单词周围包含标记应该是I love downloading iPhone games from my mac.

目前，我试过

sentence = "I love downloading iPhone games from my mac."
query = r'((iphone|games|mac)\s*)+'
regex = re.compile(query, re.I)
sentence = regex.sub(r'<em>\1</em> ', sentence)

句子输出

I love downloading <em>games </em> on my <em>mac</em> !

其中\ 1只替换为一个单词（games而不是iPhone games），并且在单词后面有一些不必要的空格。如何编写正则表达式以获得所需的输出？谢谢！

修改我刚刚意识到弗雷德和克里斯的解决方案在我说话时都有问题。例如，如果我的查询是game，那么它会变成games，而我希望它不会突出显示。另一个例子是the中的either不应突出显示。

编辑2： 我采用了克里斯的新解决方案并且有效。

Answer 1

首先，要获得所需的空格，请将\s*替换为\s*?，以使其不贪婪。

首先修复：

>>> re.compile(r'(((iphone|games|mac)\s*?)+)', re.I).sub(r'<em>\1</em>', sentence)
'I love downloading <em>iPhone</em> <em>games</em> from my <em>mac</em>.'

不幸的是，一旦\s*非贪婪，它会分割短语，如您所见。没有它，就像这样，将两者组合在一起：

>>> re.compile(r'(((iPhone|games|mac)\s*)+)').sub(r'<em>\1</em>', sentence)
'I love downloading <em>iPhone games </em>from my <em>mac</em>.'

我还没想到如何解决这个问题。

另请注意，在这些中，我在+周围加了一组额外的括号，以便所有匹配都被捕获 - 这就是区别。

进一步更新：实际上，我可以想办法绕过它。你决定是否要这样。

>>> regex = re.compile(r'((iphone|games|mac)(\s*(iphone|games|mac))*)', re.I)
>>> regex.sub(r'<em>\1</em>', sentence)
'I love downloading <em>iPhone games</em> from my <em>mac</em>.'

更新：考虑到您对单词边界的看法，我们只需添加\b的几个实例，即单词边界匹配器。

>>> regex = re.compile(r'(\b(iphone|games|mac)\b(\s*(iphone|games|mac)\b)*)', re.I)
>>> regex.sub(r'<em>\1</em>', 'I love downloading iPhone games from my mac')
'I love downloading <em>iPhone games</em> from my <em>mac</em>'
>>> regex.sub(r'<em>\1</em>', 'I love downloading iPhone gameses from my mac')
'I love downloading <em>iPhone</em> gameses from my <em>mac</em>'
>>> regex.sub(r'<em>\1</em>', 'I love downloading iPhoney games from my mac')
'I love downloading iPhoney <em>games</em> from my <em>mac</em>'
>>> regex.sub(r'<em>\1</em>', 'I love downloading iPhoney gameses from my mac')
'I love downloading iPhoney gameses from my <em>mac</em>'
>>> regex.sub(r'<em>\1</em>', 'I love downloading miPhone gameses from my mac')
'I love downloading miPhone gameses from my <em>mac</em>'
>>> regex.sub(r'<em>\1</em>', 'I love downloading miPhone games from my mac')
'I love downloading miPhone <em>games</em> from my <em>mac</em>'
>>> regex.sub(r'<em>\1</em>', 'I love downloading iPhone igames from my mac')
'I love downloading <em>iPhone</em> igames from my <em>mac</em>'

Answer 2

>>> r = re.compile(r'(\s*)((?:\s*\b(?:iphone|games|mac)\b)+)', re.I)
>>> r.sub(r'\1<em>\2</em>', sentence)
'I love downloading <em>iPhone games</em> from my <em>mac</em>.'

完全包含加重复数的额外组避免丢失单词，同时在单词之前移动空格 - 但最初取出前导空格 - 处理该问题。单词边界断言要求对它们之间的3个单词进行完全单词匹配。但是，NLP很难，但仍然会出现无法按预期工作的情况。

如何使用re.sub在python中为某些字符串添加标签？

2 个答案: