如何替换点(.)在句子中，除非它出现在使用正则表达式的缩写中

问题描述

我希望将句子中的每个点替换为空格，但与缩写一起使用时除外。当它与缩写一起使用时，我希望将其替换为''NULL。

缩写表示至少包含两个大写字母的圆点。

我的regex正在工作，但它们捕获U.S.

r1 = r'((?:[A-Z].){2,})s*'
r2 = r'(?:[A-Z].){2,}'

'U.S.A is abbr  x.y  is not. But I.I.T. is also valid ABBVR and so is M.Tech'

should become

'USA is abbr  x y  is not But IIT is also valid ABBVR and so is MTech'

更新：不应考虑任何数字或特殊字符。

X.2 -> X 2
X. -> X 
X.* -> X - 

---

解决方案

您可以使用

import re
s='U.S.A is abbr  x.y  is not. But I.I.T. is also valid ABBVR and so is M.Tech, X.2, X., X.*'
print(re.sub(r'(?<=[A-Z])(.)(?=[A-Z])|.', lambda x: '' if x.group(1) else ' ', s))
# =>  USA is abbr  x y  is not  But IIT  is also valid ABBVR and so is MTech, X 2, X , X *

请参阅Python demo。这里有一个regex demo。它匹配

• (?<=[A-Z])(.)(?=[A-Z])-组1：前后紧跟大写ASCII字母的.字符
• |-或
• .-点(在任何其他上下文中)

如果Group 1匹配，则替换为空字符串，否则替换为空格。

若要使其支持Unicode，请安装PyPI regex库(pip install regex)并使用

import regex
s='U.S.A is abbr  x.y  is not. But I.I.T. is also valid ABBVR and so is M.Tech, X.2, X., X.*'
print(regex.sub(r'(?<=p{Lu})(.)(?=p{Lu})|.', lambda x: '' if x.group(1) else ' ', s))

p{Lu}匹配任何Unicode大写字母。