我正在使用python和正則表達式進行一些文本規範化。我想用'你'代替所有'u'或'U'。 以下是我迄今所做的：Python re.sub（）：如何用'you'代替所有'u'或'U'
import re
text = 'how are u? umberella u! u. U. [email protected] U# u '
print re.sub (' [u|U][s,.,?,!,W,#,@ (^a-zA-Z)]', ' you ', text)
我得到的輸出是：
how are you you berella you you you you you you
正如你所看到的問題是，「umberella」改爲「berella」。另外我想保留在'u'後出現的角色。例如，我想'你！'改爲'你！'。任何人都可以告訴我我做錯了什麼，寫出正則表達式的最佳方式是什麼？
首先，爲什麼你的解決方案沒有工作。你混淆了很多概念。大多數是character class與其他人。在第一個字符類中，您使用|，它源於alternation。在字符類中，你不需要管道。只是列出你希望所有的字符（字符和範圍）：
[Uu]
或者乾脆寫u如果使用不區分大小寫的修改。如果你在那裏寫一個管道，字符類將實際上匹配你的主題字符串中的管道。
現在在第二個字符類中，您使用逗號來分隔您的角色，出於某種奇怪的原因。這也只是將逗號包含在可匹配的字符中。 s和W可能應該是內置的字符類。然後逃脫他們！否則，它們只會與文字s和文字W相匹配。但是\W已經包含了你在那裏列出的所有內容，所以單獨使用\W（沒有方括號）就足夠了。而最後一部分(^a-zA-Z)也不起作用，因爲它只包含^,(,)以及所有字母到字符類中。否定語法僅適用於整個字符類，如[^a-zA-Z]。
你真正想要的是斷言前面或後面沒有字母u。你可以使用lookarounds。優點是它們不會被包含在比賽中，因此不會被刪除：
r'(?<![a-zA-Z])[uU](?![a-zA-Z])'
請注意，我使用了原始字符串。對於正則表達式來說，通常是很好的做法，以避免轉義序列的問題。
這些是否定的變換，以確保您的u之前或之後沒有字母字符。這與斷言周圍存在非字母字符（這與您所做的類似）非常重要，因爲後一種方法在字符串的開頭或結尾不起作用。
當然，你也可以從替換字符串中刪除周圍you的空間。
如果你不想更換u旁邊，是個數字，你可以很容易地包括數字到字符類：
r'(?<![a-zA-Z0-9])[uU](?![a-zA-Z0-9])'
如果因爲某些原因，相鄰的下劃線也將取消其參賽資格的u爲了替換，你也可以包括它。但隨後的字符類與內置\w一致：
r'(?<!\w)[uU](?!\w)'
，這是在這種情況下，相當於EarlGray的r'\b[uU]\b'。上面你提到
由於可以縮短所有這些，通過使用不區分大小寫的修改。以第一表達式作爲一個例子：根據自己的喜好
re.sub(r'(?<![a-z])u(?![a-z])', 'you', text, flags=re.I)
或
re.sub(r'(?<![a-z])u(?![a-z])', 'you', text, flags=re.IGNORECASE)
。
我建議你做一些通過我在這個答案鏈接幾次教程閱讀。這些解釋非常全面，應該給你一個很好的正則表達式的開頭，你可能遲早會遇到。
使用特殊字符\b，其中空字符串的開頭或在字的結尾匹配：因爲也有很多其他的標點符號
print re.sub(r'\b[uU]\b', 'you', text)
空間是不是一個可靠的解決方案，所以一發明瞭抽象字符\b來表示單詞的開始或結束。
除了' '\ b''是一樣的'' \ x08''。你需要逃避（''\\ b''或'r'\ b''）！ – mata
這是我在代碼中定義的「文字」您的代碼的輸出： 如何ü？ umberella你！ ü。 U. U @ U＃u 所以你們中沒有一個人變成了你。 – user823743
@ user823743是的，我在正則表達式之前忘記'r'，因爲它是由Wooble編輯的（謝謝！）。 –
我想出了另一種可能的解決方案是：
re.sub(r'([uU]+(.)?\s)',' you ', text)
您的回答非常好。謝謝！ – user823743
這是一個有趣的一般的技術，但我寧願使用\ b鍵匹配一個字打破 –
@Sam我只是想確保使用'\ B'的意義是明確的（尤其是數字和下劃線包括在內）。 –