Question

我想在文本文件中的一些藏文字符之前和之后添加一些空格，并成功地使用re.sub（）来替换同一文件中所有普通字符的多行。如果我为藏文字符的一行re.sub替换做同样的事情，它也可以工作，无论哪个字符（所以所有unicode序列都是正确的）。但是，如果我为藏文字符尝试多行re.sub（），它会找到所有正确的字符串，但用错误的字符串（第一行的字符串）替换它。这是我的代码的相关部分（我使用Python 2.7）：

import codecs, re, os

text = codecs.open('test.txt', encoding='utf-8') 

def cs(text):

    for line in text:
        #line = re.sub('<utt>','',line)
        #line = re.sub('//','/',line)
        line = re.sub(ur'[\u0f62\u0f0b]/ES', ur' \u0f62\u0f0b ',line)
        line = re.sub(ur'[\u0f60\u0f72\u0f0b]/ES', ur' \u0f60\u0f72\u0f0b ',line)
        print line

具有unicode的两行都单独工作并给出正确的替换（尽管字符在输出中加倍，而不是替换）。结合起来，他们会发现不同的角色，但总是用第一个角色替换它们。 \ u0f62 \ u0f0b＆＃39;而不是应该是什么。任何建议都非常感谢！

这是我得到的输出样本（只关注西藏线）：

པརར་སཱའིར་འདུལ་// Xབ་/ Eག་/ Sབཞུགས་/ Sསོ/ S་。/ S

这是输入测试文件的第一行：

པར་/ESསཱསཱི/ESའདུལ་//Xབ་/Eག་/Sབཞུགས་/Sསོ/S་./S

第一个单词正确，但第二个单词错误，分别表示unicode re.sub的第一行和第二行。所需的输出如下，前两个单词的最后一个字符周围有空格，因为它们有一个/ ES标记：

པར་སཱིའདུལ་// Xབ་/ Eག་/ Sབཞུགས་/ Sསོ/ S་。/ S

Answer 1

'[\u0f62\u0f0b]/ES'将匹配\u0f62/ES或\u0f0b/ES，这不是您想要的。只需删除括号。

此外，您的示例原始文本在每个/ ES之后都有一个空格，因此替换不需要添加另一个。

最后，这些似乎是简单的替换，因此不需要re模块。

original = u'\u0f54\u0f62\u0f0b/ES \u0f66\u0f71\u0f72\u0f60\u0f72\u0f0b/ES \u0f60\u0f51\u0f74\u0f63\u0f0b//X \u0f56\u0f0b/E \u0f42\u0f0b/S \u0f56\u0f5e\u0f74\u0f42\u0f66\u0f0b/S \u0f66\u0f7c/S \u0f0d/S'
desired = u'\u0f54 \u0f62\u0f0b \u0f66\u0f71\u0f72 \u0f60\u0f72\u0f0b \u0f60\u0f51\u0f74\u0f63\u0f0b//X \u0f56\u0f0b/E \u0f42\u0f0b/S \u0f56\u0f5e\u0f74\u0f42\u0f66\u0f0b/S \u0f66\u0f7c/S \u0f0d/S'

print 'org =',original
print 'desired =',desired

attempt = original.replace(u'\u0f62\u0f0b/ES', u' \u0f62\u0f0b').replace(u'\u0f60\u0f72\u0f0b/ES', u' \u0f60\u0f72\u0f0b')
print 'attempt =',attempt
print attempt == desired

输出：

org = པར་/ES སཱིའི་/ES འདུལ་//X བ་/E ག་/S བཞུགས་/S སོ/S །/S
desired = པ ར་ སཱི འི་ འདུལ་//X བ་/E ག་/S བཞུགས་/S སོ/S །/S
attempt = པ ར་ སཱི འི་ འདུལ་//X བ་/E ག་/S བཞུགས་/S སོ/S །/S
True

如果您仍想使用re模块，则以下内容将在一行中完成两次替换。它匹配两个序列中的一个，用空格+匹配替换匹配并删除/ ES。

attempt = re.sub(ur'(\u0f62\u0f0b|\u0f60\u0f72\u0f0b)/ES',ur' \1',original)

在Python 2.7中使用unicode重新创建

1 个答案: