Question

我正在使用以下代码将给定template <class HarmType> class osc_solver { public: template <class... ArgsType> osc_solver(double a, ArgsType&&... parameters_ham) : m_ho(std::forward<ArgsType>(a, parameters_harm)...) { // Here use parameter a } // ...中的words中的字符串替换为words[0]。

sentences

我的预期输出如下：

import re
sentences = ['industrial text minings', 'i love advanced data minings and text mining']

words = ["data mining", "advanced data mining", "data minings", "text mining"]


start_terms = sorted(words, key=lambda x: len(x), reverse=True)
start_re = "|".join(re.escape(item) for item in start_terms)

results = []

    for sentence in sentences:
    for terms in words:
        if terms in sentence:
            result = re.sub(start_re, words[0], sentence)
            results.append(result)
            break

print(results)

但是，我得到的是：

[industrial text minings', 'i love data mining and data mining]

第一句[industrial data minings', 'i love data mining and data mining]不在text minings中。但是，它在单词列表中包含“文本挖掘”，因此“工业文本挖掘”中的条件“文本挖掘”变为words。然后替换后，它的“文本挖掘”变为“数据挖掘”，并且“ s”字符停留在同一位置。我想避免这种情况。

因此，我想知道是否有一种方法可以使用True中的if条件来查看下一个字符是否为空格。如果有空格，请进行替换，否则不要这样做。

我也对可以解决我的问题的其他解决方案感到满意。

Answer 1

我对您的代码做了一些修改：

# Using Python 3.6.1
import re
sentences = ['industrial text minings and data minings and data', 'i love advanced data mining and text mining as data mining has become a trend']
words = ["data mining", "advanced data mining", "data minings", "text mining", "data", 'text']

# Sort by length
start_terms = sorted(words, key=len, reverse=True)

results = []

# Loop through sentences
for sentence in sentences:
    # Loop through sorted words to replace
    result = sentence
    for term in start_terms:
        # Use exact word matching
        exact_regex = r'\b' + re.escape(term) + r'\b'
        # Replace matches with blank space (to avoid priority conflicts)
        result = re.sub(exact_regex, " ", result)
    # Replace inserted blank spaces with "data mining"
    blank_regex = r'^\s(?=\s)|(?<=\s)\s$|(?<=\s)\s(?=\s)'
    result = re.sub(blank_regex, words[0] , result)
    results.append(result)
# Print sentences
print(results)

输出：

['industrial data mining minings and data mining and data mining', 'i love data mining and data mining as data mining has become a trend']

正则表达式可能会有些混乱，所以这里有个快速的细分：

\bword\b匹配完全匹配的短语/单词，因为\b是单词边界（有关here的更多信息）

^\s(?=\s)开头是一个空格，后面是另一个空格。

(?<=\s)\s$与结尾处的空格匹配，之后是另一个空格。

(?<=\s)\s(?=\s)将一个空格与两个空格都匹配。

有关正面看待(?<=...)和正面看待(?=...)的更多信息，请参见this Regex tutorial。

Answer 2

您可以使用单词边界\b包围整个正则表达式：

start_re = "\\b(?:" + "|".join(re.escape(item) for item in start_terms) + ")\\b"

您的正则表达式将变为：

\b(?:data mining|advanced data mining|data minings|text mining)\b

(?:)表示非捕获组。

如何在python的re.sub中添加if条件

2 个答案: