我有一个utf-8文本,文本中有大写单词:
La cinta, que hoy se estrena en nuestro país, competirá contra Hors la
Loi, de Argelia, Dogtooth, de Grecia, Incendies, de Canadá, Life above
all , de Sudáfrica, y con la ganadora del Globo de Oro, In A Better
World, de Dinamarca.
所需的输出是将所有以大写字母开头的单词替换为占位符(即#NE#
),但第一个单词除外。因此,期望输出如下:
我尝试使用regex如下:
>>> import re
>>> def blind_CAPS_without_first_word(text):
... first_word, _, the_rest = text.partition(' ')
... blinded = re.sub('(?:[A-Z][\w]+\s*)', ' #NE# ', the_rest)
... return " ".join([first_word, blinded])
...
>>> text = "La cinta, que hoy se estrena en nuestro país, competirá contra Hors la Loi, de Argelia, Dogtooth, de Grecia, Incendies, de Canadá, Life above all , de Sudáfrica, y con la ganadora del Globo de Oro, In A Better World, de Dinamarca."
>>> blind_CAPS_without_first_word(text)
[出来]:
La cinta, que hoy se estrena en nuestro país, competirá contra #NE# la #NE# , de #NE# , #NE# , de #NE# , #NE# , de #NE# á, #NE# above all , de #NE# áfrica, y con la ganadora del #NE# de #NE# , #NE# A #NE# #NE# , de #NE# .
但是regex在使用\w
时没有考虑重音字符,例如Canadá
->;#NE# á
;Sudáfrica
->;#NE# áfrica
。我该怎么办?如何在正则表达式中包含重音词?它必须是Canadá
->;#NE#
;Sudáfrica
->;#NE#
。在
我想如果忽略诸如A
仍然是A
这样的单字符单词是可以的。除非有办法解决这个问题。在
因为}与重音字符不匹配。所以它不能匹配这些词。在
\w+
或{您可以使用
\S+
代替\w+
或
如果只想匹配任何语言的单词字符,请使用regex模块。在
^{pr2}$有没有可能使用unicode符号来捕获字符范围?例如:[\xC0-\xE1]或其他什么?我按Pythex运行它,它似乎并不介意。。。你需要找到自己的射程,但这只是个开始:)
希望这有帮助。在
相关问题 更多 >
编程相关推荐