使用regex规范化文本

Question

我正在用tweets工作，我想用一个单独的表达“啊”取代所有aaaaaaahhh的变体。但是，使用我的代码，我还替换了我不想更改的单个“a”和“and”。你知道吗

a = 'trying a aa aaaaaa aaaah and aaaahhh aaaaaaaahhh '
re.sub('a+h*','ah',a)

这样我得到：

Current output: 'trying ah ah ah ah ahnd ah ah '

但我想要的是：

Desired output: 'trying a ah ah ah and ah ah '

Answer 1

在当前表达式中，a+匹配一个a或多个。你希望比赛从至少两个a开始

s = 'a ah aah aa
re.sub('aa+h*','ah',s) # 'a ah ah ah'

这可以用量词{x,[y]}来概括，该量词匹配x次或更多次出现，可以选择最多y。你知道吗

re.sub('a{2,}h*','ah',s)