Regex 替換錯誤的引號

python regex

yaekiou 2022-04-11 01:25:53 ‧ 791 瀏覽

分享至

請問可以用 regex 替換錯誤的引號嗎？

」Excepteur sint」
「Hello World「
」foobar「
「Hello」Lorem ipsum dolor sit amet「World」

期望

「Excepteur sint」
「Hello World」
「foobar」
「Hello」Lorem ipsum dolor sit amet「World」

編輯

感謝 @Han，@海綿寶寶 的回答。(因為我等級不夠，無法在底下回應。)

@Han 再透過索引檢查第一個是不是「就可以決定是否替換
最後一個也一樣道理，提供給你參考

Hmm，不一定要只用 regex 來替換嘛

import regex

text = "」Excepteur sint」, 「Hello」Lorem ipsum dolor sit amet「World」"

for match in regex.finditer("[「」].*?[「」]", text):
    quotes_text = match.group()
    
    if not regex.search("「.*?」", quotes_text):
        quotes_text = f"「{quotes_text[1:-1]}」"
        text = text.replace(text[match.start():match.end()], quotes_text)

print(text)
# result -> 「Excepteur sint」, 「Hello」Lorem ipsum dolor sit amet「World」

# 但是如果 text = "「foo「Hello」bar」"
# result -> 「foo」Hello「bar」

感謝 @海綿寶寶 寫的 pattern

新的期望

input: 「foo「Hello」bar」
output: 「foo「Hello」bar」

chan15 iT邦新手 2 級 ‧ 2022-04-12 11:45:14 檢舉

請問你這是一行一行比對還是整段文本？

登入發表討論

直播研討會

{{ item.channelVendor }} {{ item.webinarstarted }} |

直播中

3 個回答

Han

iT邦研究生 1 級 ‧ 2022-04-11 08:53:34

我會先透過 regex 鎖定 被引號包起來的字串

import re
re.match(r'[「」].*?[「」]', '」Excepteur sint」')

再透過索引檢查第一個是不是 「 就可以決定是否替換
最後一個也一樣道理，提供給你參考

回應
分享
檢舉

登入發表回應

海綿寶寶

iT邦大神 1 級 ‧ 2022-04-11 17:59:32

可以是可以
不過我寫不出一個適用於四種 pattern 的 RE
只寫出三種分開的 RE
而且第3個 RE 會誤判第四種 pattern
等待真正高手來給正解

import re

inp = '」Excepteur sint」'#1
out = re.sub(r'([」]{1})([^「]*)([」]{1})', r'「\2\3', inp)#1
print(out)

inp = '「Hello World「'#2
out = re.sub(r'([「]{1})([^」]*)([「]{1})', r'\1\2」', inp)#2
print(out)

inp = '」foobar「'#3
out = re.sub(r'([」]{1})([^」]*)([「]{1})', r'「\2」', inp)#3
print(out)

inp = '「Hello」Lorem ipsum dolor sit amet「World」'#3-error
out = re.sub(r'([」]{1})([^」]*)([「]{1})', r'「\2」', inp)#3-error
print(out)

回應
分享
檢舉

登入發表回應

chan15

iT邦新手 2 級 ‧ 2022-04-12 14:40:53

import re
import unittest


class ContextCorrector(object):
    left_symbol: str = '「'
    right_symbol: str = '」'

    def parse(self, txt: str) -> str:
        txt_matches = re.findall('[「」].+?[「」]', txt)

        for txt_match in txt_matches:
            start_symbol = txt_match[0]
            end_symbol = txt_match[1]
            if start_symbol != self.left_symbol or end_symbol != self.right_symbol:
                txt = re.sub(txt_match, f'{self.left_symbol}{txt_match[1:-1]}{self.right_symbol}', txt)

        return txt


class ContextCorrectorTest(unittest.TestCase):
    def setUp(self) -> None:
        self.corrector = ContextCorrector()

    def test_first_case(self) -> None:
        self.assertEqual('「Excepteur sint」', self.corrector.parse('」Excepteur sint」'))

    def test_second_case(self) -> None:
        self.assertEqual('「Hello World」', self.corrector.parse('「Hello World「'))

    def test_third_case(self) -> None:
        self.assertEqual('「foobar」', self.corrector.parse('」foobar「'))

    def test_fourth_case(self) -> None:
        self.assertEqual('「Hello」Lorem ipsum dolor sit amet「World」',
                         self.corrector.parse('「Hello」Lorem ipsum dolor sit amet「World」'))

    def test_fifth_case(self) -> None:
        self.assertEqual('「foo」Hello「bar」',
                         self.corrector.parse('「foo「Hello」bar」'))


if __name__ == '__main__':
    unittest.main()